León RT

Universidad Nacional Mayor de San Marcos
Universidad del Perú. Decana de América
Dirección General de Estudios de Posgrado

Facultad de Ciencias Físicas
Unidad de Posgrado
La climatología de las Lomas de la Costa Central del

Perú usando datos imágenes de satélite
TESIS
Para optar el Grado Académico de Magíster en Física con

mención en Geofísica
AUTOR
Tatiana Nadezlina LEÓN ROJAS
ASESOR
Dr. Leónidas OCOLA AQUISE
Lima, Perú
2022
Reconocimiento - No Comercial - Compartir Igual - Sin restricciones adicionales
https://creativecommons.org/licenses/by-nc-sa/4.0/
Usted puede distribuir, remezclar, retocar, y crear a partir del documento original de modo no
comercial, siempre y cuando se dé crédito al autor del documento y se licencien las nuevas
creaciones bajo las mismas condiciones. No se permite aplicar términos legales o medidas
tecnológicas que restrinjan legalmente a otros a hacer cualquier cosa que permita esta licencia.
Referencia bibliográfica
León, T. (2022). La climatología de las Lomas de la Costa Central del Perú usando
datos imágenes de satélite. [Tesis de maestría, Universidad Nacional Mayor de San
Marcos, Facultad de Ciencias Físicas, Unidad de Posgrado]. Repositorio institucional
Cybertesis UNMSM.
Metadatos complementarios
Datos de autor
Nombres y apellidos Tatiana Nadezdina León Rojas
Tipo de documento de identidad DNI
Número de documento de identidad 41905771
URL de ORCID https://orcid.org/0000-0003-3202-4704
Datos de asesor
Nombres y apellidos Leónidas Ocola Aquise
Tipo de documento de identidad DNI
URL de ORCID https://orcid.org/0000-0001-7312-7334
Datos del jurado
Presidente del jurado
Nombres y apellidos Douglas Donal Sarango Julca
Tipo de documento DNI
Miembro del jurado 1
Nombres y apellidos Octavio Fashé Raymundo
Nombres y apellidos Bram Leo Willems
Nombres y apellidos Leónidas Ocola Aquise

Datos de investigación
A.2.3.3. Teledetección por satélite aplicado al

Línea de investigación
estudio de los recursos naturales
Física de cambios ambientales y la

Grupo de investigación
teledetección - LABTEL
Perú. Consejo Nacional de la Ciencia,

Tecnología e Innovación Tecnológica
(CONCYTEC). Proyecto Cátedra
CONCYTEC: “Teledetección en la
Agencia de financiamiento Desertificación y Sequía”. Contrato de
Subvención N° 167-2013/ FONDECYT
Perú. Universidad Nacional Mayor de San
Marcos. Vicerrectorado de Investigación y
Posgrado.
Edificio: Laboratorio de Teledetección –

Facultad de Ciencias Físicas – UNMSM.
País: Perú
Ubicación geográfica de la
investigación
Departamentos:
Trabajo en costas de La Libertad, Ancash,
Lima e Ica.
Año o rango de años en que se

2013 - 2016
realizó la investigación
Geografía física
http://purl.org/pe-repo/ocde/ford#1.05.05
URL de disciplinas OCDE
Sensores remotos
http://purl.org/pe-repo/ocde/ford#2.07.04
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS FÍSICAS
UNIDAD DE POSGRADO
ACTA DE SUSTENTACIÓN DE TESIS EN LA MODALIDAD VIRTUAL PARA OPTAR

EL GRADO ACADÉMICO DE MAGISTER EN FÍSICA CON MENCIÓN EN
GEOFÍSICA
Siendo las 15:00 horas del 9 de mayo de 2022, en la Sala de Sesión Virtual de la Unidad
de Posgrado de la Facultad de Ciencias Físicas de la Universidad Nacional Mayor de
San Marcos, se reunieron los siguientes miembros del Jurado Examinador:
Dr. Douglas Donal Sarango Julca (Presidente)

Mg. Octavio Fashé Raymundo (Miembro interno)
Dr. Bram Leo Willems (Miembro externo)
Dr. Leónidas Ocola Aquise (Asesor)
Para la sustentación oral y pública de la tesis, para optar el Grado Académico de

Magíster en Física con mención en Geofísica, de la Bachiller Tatiana Nadezdina León
Rojas, con código de matrícula N° 13137015.
Después de darse lectura al expediente de Grado, en el que consta haberse cumplido

con todas las disposiciones reglamentarias, los señores miembros del
Jurado Examinador, atendieron a la exposición de la tesis titulada:
“La climatología de las Lomas de la Costa Central del Perú usando datos
imágenes de satélite”
Concluida la exposición de la candidata y luego de las preguntas de rigor por parte del
Jurado Examinador, el presidente y los miembros del Jurado Examinador pasaron a otra
sala virtual para la deliberación y calificación por parte del Jurado.
Al término de la deliberación, el Dr. Douglas Donal Sarango Julca, invitó a los miembros
del Jurado Examinador a pasar a la Sala de Sesión Virtual, para dar lectura al resultado
de la deliberación. Obteniendo como resultado la calificación de:
17 DIECISIETE MUY BUENO
(NÚMERO) (LETRAS) (ESCALA)
A continuación, el Presidente del Jurado Examinador entrega el Acta de Sustentación

de Tesis a la Unidad de Posgrado, para continuar el trámite correspondiente para
obtener el Grado Académico de Magíster en Física con mención en Geofísica, de la
Bachiller Tatiana Nadezdina León Rojas.
Siendo las 16:06 horas, se levantó la sesión.
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS FÍSICAS
UNIDAD DE POSGRADO
Los miembros del Jurado Examinador suscriben el Acta de sustentación de tesis en la

Ciudad de Lima, a los 9 días del mes de mayo de 2022.
Acta de Sustentación de Tesis de la Bachiller Tatiana Nadezdina León Rojas.
Dr. Douglas Donal Sarango Julca Mg. Octavio Fashé Raymundo

Presidente Miembro interno
Dr. Bram Leo Willems Dr. Leónidas Ocola Aquise

Miembro externo Asesor
Datos de la plataforma virtual institucional del acto de sustentación:

Unirse a la reunión Meet:
https://meet.google.com/xjk-fcfg-jep
Grabación archivada en:

https://drive.google.com/drive/folders/1qirH4tS2C45PblIAppG96w5HWsBjkoJg?usp=sharing
CALIFICACIÓN OBTENIDA: diecisiete (17) “Muy Bueno”

DEDICATORIA
A mis padres:
Luis León Julca
Rosaura A. Rojas Tello
A mis hermanos:
Alexander Nabí
Yunevda Ekaterina
Guiomar Amanda
2
AGRADECIMIENTO
La presente tesis es el resultado de mi aspiración para optar el grado

académico de Magister. Para su realización ha sido necesario, no sólo el
esfuerzo personal, sino también, el apoyo desinteresado de muchas personas
quienes directa o indirectamente han contribuido para su cristalización. A todas
ellas les doy mi agradecimiento más profundo.
De manera muy especial, agradezco al Ph.D. Leónidas Ocola Aquise por
su debido asesoramiento, por haber compartido conmigo sus amplios
conocimientos y su vasta experiencia; al Ph.D. Joel Rojas Acuña por haberme
brindado muchas facilidades, así como los ambientes para desarrollar el
presente trabajo; al Dr. Bram Willems por su brillante gestión del Proyecto
Cátedra de CONCYTEC que subvencionó esta investigación; a la Magister
Yuvevda Ekaterina León Rojas por sus oportunos consejos y opiniones; y, a
mis compañeros del Laboratorio de Teledetección por haberme facilitado las
herramientas y la información necesarias para concretar esta tesis. Mil gracias
a todos ellos.
3
INDICE
AGRADECIMIENTO…………………………………………………………………..3
ÍNDICE………………………………………………………………………………….
LISTA DE FIGURAS…………...…………………………………………………....11
LISTA DE TABLAS…………...……………………………………………………..25
RESUMEN…………………………………………………………………………….26
CAPÍTULO 1: INTRODUCCIÓN…..……………………………………………....30
1.1 Climatología de la costa………………………………………………………...30
1.2 Ecosistemas de la costa………………………………………………………...32
1.3 Las lomas y sus características………………………………………………..32
1.4 lomas y su importancia………………………………………………………….32
1.5 Condiciones actuales del estudio de las lomas………………………………33
1.6 Identificación del problema …………………………………..………………..34
1.7 Hipótesis………………………………………………………………………….34
1.8 Objetivos………………………………………………………………………….34
1.8.1 Objetivo General…………………………………………………………...34
1.8.2 Objetivos específicos……………………………………………………...35
1.9 Relación con otras investigaciones……...…………………………………….35
1.10 Organización de la tesis……………………………………………………….35
CAPÍTULO 2: MARCO TEÓRICO……………………………………………….37

2.1 Niebla……………………………………………………………………………..37
2.1.1 Definición y clasificación de la niebla……………………………………37
2.1.2 Niebla de advección……………………………………………………….40
2.1.3 Proceso de formación de la niebla de advección……………….........41
4
2.1.3.1 Condensación…………………………………………………….....41
2.1.3.2 La temperatura del punto de rocío………………………………... 41
2.1.3.3 Vapor de agua en el aire…………………………………………… 41

2.1.4 Condensación en la atmósfera por enfriamiento a presión constante
(proceso isobárico)…………………………………………………………………..42
2.1.5 Formación de nieblas de advección frente a la costa peruana……….43
2.1.5.1 Anticiclón del Pacífico sur ………………………………………….. 43
2.1.5.2 Océano frente a la costa peruana………………………………… 47
2.1.5.3 Inversión térmica……………………………………………………. 50
2.2. Loma……………………………………………………………………………...51
2.2.1. Definición de loma………………………………………………………...51
2.2.2. Ubicación de las lomas de la costa……………………………………..51
2.2.3. Importancia de las lomas………………………………………………...53
2.3. Índice de vegetación (IV)………………………………………………………56
2.3.1 Índice de vegetación de diferencia normalizada (NDVI)……………… 57
2.3.2. Producto índice de vegetación MODIS…………………………………..59
2.4. SRTM - Shuttle Radar Topography Mission…………………………………60
2.5. Climatología……………………………………………………………………..62
2.6 Métodos estadísticos……………………………………………………………62
2.6.2. Máximo valor compuesto del NDVI………………………………………62
CAPÍTULO 3: ÁREA DE ESTUDIO……………………………………………..63
3.1. Ubicación del área de estudio…………………………………………………63
3.2. Clima del área de estudio………………………………………………………66
3.3 Vientos…………………………………………………………………………….67
CAPÍTULO 4: DATOS Y RECURSOS………………………………………..…..68
4.1. DATOS…………………………………………………………………………...68
5
4.1.1. NDVI………………………………………………………………………….68
4.1.1.1. Adquisición del NDVI………………………………………………. 68
4.1.1.2. Clasificación del NDVI…………………………………………….. .69
4.1.2. Topografía…………………………………………………………………...71
4.1.2.1. Adquisición de SRTM 90 …………………………………………. . 72
4.1.2.2. Adquisición de SRTM250………………………………………… . 73
4.1.3. Datos de precipitación……………………………………………………...74
4.2. RECURSOS……………………………………………………………………..74
4.2.1. Software……………………………………………………………………74
4.2.2. Hadware……………………………………………………………………75
CAPÍTULO 5: METODOLOGÍA Y DESARROLLO DE LA INVESTIGACIÓN.76
5.1 Metodología………………………………………………………………………76
5.2 Desarrollo de la investigación ………………………………………………..79
5.2.1. Obtención del perímetro de la costa central del Perú………………...79
5.2.1.1 Tratamiento de datos para la obtención del perímetro de la costa

central………………………………………………………………………………….80
5.3. Discriminación de la vegetación y elaboración del perímetro de las lomas

por departamentos…………………………………………………………………...83
5.3.1. Tratamiento de datos para la discriminación de la vegetación y

obtención del perímetro de las lomas por departamentos………………………85
5.3.1.1. Elaboración del perímetro de la vegetación ribereña dentro de la

costa central del Perú………………………………………………………………..85
5.3.1.2. Elaboración de una imagen satelital con información de la máxima

vegetación desarrollada en la costa central del Perú entre los años 2000 y
2014…………………………………………………….……………………………..90
5.3.1.3. Extracción de la vegetación ribereña (valles)…………….…………92
5.3.1.4. Elaboración de los perímetros de la vegetación resultante,

considerado potenciales lomas……………………………………………………..92
5.4. Caracterización de las lomas………………………………………………….95
6
5.5. Cálculo de la climatología de las lomas…………………………………….100
5.5.1. Variación espacio-temporal del área de las lomas por departamentos

………………………………………………………………………………..…..100
5.5.2 Variación temporal del NDVI de las lomas……………………………101
5.5.2.1 Variación mensual del NDVI de las lomas de la costa central de

Perú…………………………………………………………………………………..101
5.5.2.2. Series de tiempo de las lomas de la costa central del Perú……...102
5.5.3. Anomalías de la media anual del NDVI de las lomas por

departamento………………………………………………………………………..103
5.5.4. Series de tiempo de datos diarios precipitación ……………………103
CAPÍTULO 6: RESULTADOS…..………………………………………………..104
6.1. Perímetro de la costa central…………………………………………………104
6.2. Discriminación de la vegetación y elaboración del perímetro de las lomas

por departamentos………………………………………………………………….106
6.2.1. Discriminación de la vegetación ribereña de los valles de La

Libertad………………………………………………………………………………106
6.2.2. Discriminación de la vegetación ribereña de los valles de

Ancash.............................................................................................................110
6.2.3. Discriminación de la vegetación ribereña de los valles de Lima…..115
6.2.4. Discriminación de la vegetación ribereña de los valles de Ica…….120
6.2.5 Resumen gráfico de la delimitación del área de las lomas…………123
6.3. Caracterización de las lomas de la costa central…………………………..125
6.3.1. Caracterización de las lomas de la costa del departamento de La

Libertad………………………………………………………………………………125
6.3.1.1 Loma de cerro Campana ………………………………………….125
6.3.1.2. Loma de cerro Chiputur …………………………………………..129
6.3.2. Caracterización de las lomas de la costa del departamento de

Ancash……………………………………………………………………………….132
6.3.2.1. Loma de Cerro Mongón…..…………………………………………..132
7
6.3.2.2. Loma de cerro Lupín……..…………………………………………...135

Lima…………………………………………………………………………………..138
6.3.3.1. Loma de Lachay……………………..………………………………..138
6.3.4. Caracterización de la loma de la costa del departamento de Ica ...141
6.3.4.1. Loma de Amará……………………………………………………..…141
6.3.5. Resumen de la caracterización de las lomas………………………...144
6.4. Climatología de las lomas…………………………………………………….145
6.4.1. Variación espacio-temporal del área de las lomas de la costa central

del Perú………………………………………………………………………………145
6.4.1.1. Resultado de la variación anual del área de las lomas de la costa en

el departamento de La Libertad…………………………………………………...145
6.4.1.2. Resultados de la variación anual del área de las lomas de la costa

del departamento de Ancash……………………………………………………...147

del departamento de Lima………………………………………………………...149

del departamento de Ica…………………………………………………………...151
6.4.1.5 Resumen de la variación anual de las lomas…………………........153
6.4.2. Variación temporal del NDVI de las lomas por departamentos…..155
6.4.2.1. Variación mensual del promedio del NDVI de las lomas de la costa
central del Perú……………………………………………………………………..155
6.4.2.1.1. Variación mensual del promedio del NDVI de las lomas de La

Libertad………………………………………………………………………………156
6.4.2.1.2. Variación mensual del promedio del NDVI de las lomas de

Ancash……………………………………………………………………………….158

Lima…………………………………………………………………………………..160

Ica……………………………………………………………………………………162
6.4.2.1.5. Resumen de la variación mensual del promedio del NDVI de

las lomas de la costa central del Perú………………………………………….. 164
8
6.4.2.2. Serie de tiempo del NDVI de las lomas de la costa central del
Perú…………………………………………………………………………………..165
6.4.2.2.1 Series de tiempo del NDVI de las lomas de La

Libertad………………………………………………………………………………165
6.4.2.2.2 Series de tiempo del NDVI de las lomas de

Ancash……………………………………………………………………………….166
6.4.2.2.3 Series de tiempo del NDVI de las lomas Lima………………..167
6.4.2.2.4. Series de tiempo del NDVI de las lomas Ica…………………167
6.4.3. Anomalía de la media anual de las lomas la costa central del

Perú…………………………………………………………………………………..175
6.4.3.1. Anomalía de la media anual del NDVI de las lomas de la costa de

La Libertad…………………………………………………………………………..175
6.4.3.2. Anomalía de la media anual de las lomas de la costa de

Ancash……………………………………………………………………………….176

Lima…………………………………………………………………………………..177

Ica…………………………………………………………………………………….178
6.4.3.5. Resumen de la anomalía de las lomas de la costa central del

Perú…………………………………………………………………………………..179
6.4.4. Series temporales de los datos diarios de precipitación del periodo

2000-2014…………………………………………………………………………...180
CAPÍTULO 7: DISCUSIÓN DE RESULTADOS…………………………..……186
7.1 Caracterización de las lomas de la costa central del Perú………………...186
7.1.1 Influencia de la capa de inversión térmica en la formación de las

lomas…………………………………………………………………………………194
7.2 Análisis climatológico…………………………………………………………..196
7.2.1 Variación diaria del NDVI………………………………………………196
7.2.2 Variación mensual……………………………………………………….199
7.2.3 Variación del área……………………………………………………….200
9
7.2.4 Presencia de neblinas a lo largo de la costa central del Perú……...200
7.2.5 Condiciones geográficas y océano-atmosféricas para la formación de

las nieblas en la costa central del Perú…………………………………………..201
7.2.6 Precipitación y área……………………………………………………..203
7.2.7 Anomalías………………………………………………………………...204
CAPÍTULO 8: CONCLUSIONES…………………………………………………205
8.1 Conclusiones……………………………………………………………………205
REFERENCIA……………………………………………………………………….207
ANEXO A…………………………………………………………………………….213
ANEXO B…………………………………………………………………………….214
ANEXO C……………………………………………………………………………216
10
LISTA DE FIGURAS
Figura 2.1. Niebla de radiación: Se forma durante la noche a medida que el

aire cerca del suelo se enfría y se estabiliza. Cuando el aire alcanza la
saturación por enfriamiento se produce la niebla (National Weather Service ,
2017). ............................................................................................................... 39
Figura 2.2. Niebla de advección: puede durar varios días y es común en la

costa oeste de EEUU (National Weather Service, 2017). ............................... 39
Figura 2.3. Mapa de temperatura global del Océano en tiempo real de la fecha
05/10/2017, donde las flechas representan las corrientes marinas de aguas
frías: corriente de California, corriente de Canarias, corriente de Benguela,
corriente peruana cuyas temperaturas están alrededor de 16°C a 18°C
(National Weather Service, 2017). ................................................................... 40
Figura 2.4. Una caja insaturada (a) y una caja saturada (b) con respecto a una
superficie plana de agua pura a temperatura T. Los puntos representan
moléculas de agua. Las longitudes de las flechas representan las tasas
relativas de evaporación y condensación. El saturado es el de mayor cantidad
de puntos (Wallace y Hobbs, 2005). ................................................................ 42
Figura 2.5. Se presentan isóbaras cerradas, siendo el valor más alto en el

núcleo del anticiclón con 1030 hPa (IMARPE, 2017). ...................................... 44
Figura 2.6. Las flechas representan los vientos en el Hemisferio sur y en el

anticiclón, que es una región de altas presiones donde la dirección de los
vientos es en sentido antihorario (IMARPE, 2017). .......................................... 45
Figura 2.7. Promedio estacional 2009 del anticiclón del pacifico sur (hPa, color)
a nivel del mar, entre el 2000 y 2009 con vectores de esfuerzo de viento (Pa),
(Ancapichún, 2012). ......................................................................................... 46
Figura 2.8. Principales zonas de afloramiento costero en el Perú: 4°- 6°S, 7°-
8°S y 11°-12°S ,14°-16° S (Morón, 2000). ....................................................... 48
11
Figura 2.9. Mapas estacionales de la temperatura superficial del mar frente a la
costa peruana TSM MODIS /TERRA (2000- 2010) (Guerrero, 2015). ............ 49
Figura 2.10. Parámetros que definen la inversión térmica. (Rodríguez et al.,

2005) ................................................................................................................ 50
Figura 2.11. Ubicación de las lomas a lo largo de la costa peruana. (Rundel et

al., 1991) .......................................................................................................... 53
Figura 2.12. Poblado de Quebrada de la Vaca en la loma de Atiquipa, vista

desde el sur del edificio público conocido como “Gran Almacén” (Canziani,
2002). ............................................................................................................... 55
Figura 2.13. Loma de Atiquipa: terrazas de cultivo en la quebrada de Jihuay

(Canziani, 2002). .............................................................................................. 55
Figura 2.14. Espectros de reflectancia del trigo, suelo desnudo seco y suelo
desnudo mojado, donde las líneas discontinuas verticales indican los anchos
de banda aproximados de las bandas rojas y NIR de LANDSAT TM (Jackson y
Huete, 1991)..................................................................................................... 57
Figura 2.15. Imagen global del NDVI con colores falsos elaborado usando el
algoritmo de composición Índice de vegetación MODIS (BRDF/ CV-MVC/ MVC)
(Huete et al., 1999)........................................................................................... 58
Figura 2.16. Área mapeada por la misión SRTM (Data Products, 2017) ......... 60
Figura 2.17. Comparación de dos imágenes SRTM de diferente resolución

para una misma área 90 m-píxel y 30 m-píxel (U.S.Releases Enhanced Shuttle
Land Elevation Data ,2017). ............................................................................. 61
Figura 3.1. Área de estudio: la costa de los departamentos de La Libertad,

Ancash, Lima e Ica desde 0 m a 1800 msnm…………………………………… .64
12
Figura 3.2. Costa central del Perú dividida por los departamentos de (a) La
Libertad, (b) Ancash, (c) Lima, (d) Ica. ............................................................. 65
Figura 4.1. Presentación de la página MRTweb, en la parte superior izquierda

está la pestaña de productos, dentro de ella se despliegan varias opciones, la
opción seleccionada es el MOD13Q1 (NDVI Browser). Para obtener el área del
Perú se ha seleccionado 5 tiles (MRTweb, 2015), acceso 12/2015………….. 69
Figura 4.2. Una Imagen satelital SRTM 21_14 de 90 m de resolución espacial

descargado en un mosaico de 5 grados. ......................................................... 72
Figura 4.3. Imagen satelital SRTM_W_250 abarca América del sur donde los
colores indican altitud, esta imagen satelital abarca todo América del sur y la
mayor parte de América del Norte, en esta imagen se ha colocado los límites
del Perú y el área de estudio de la costa central del Perú. .............................. 73
Figura 5.1. Mapa topográfico del Perú, elaborado con las imágenes satelitales
SRTM90 y los límites departamentales de La Libertad, Ancash, Lima e Ica. .81
Figura 5.2. Mapa topográfico de la costa central del Perú, elaborado con las
imágenes satelitales SRTM90 en donde los colores indican altitud. ................ 82
Figura 5.3. Esquema de agrupación de imágenes satelitales MOD13Q1 para la

obtención de un mapa promedio NDVI de otoño y un mapa del máximo valor
compuesto NDVI de invierno del periodo 2000-2014. ...................................... 86
Figura 5.4. Mapa promedio del NDVI de otoño de la costa central del Perú del
periodo 2000-2014. .......................................................................................... 87
Figura 5.5. Mapa de máximo valor compuesto del NDVI de invierno desde el
2000-2014 de la costa central del Perú. .......................................................... 88
Figura 5.6. Perímetros de la vegetación de valles y pie de monte de la costa

central del Perú. ............................................................................................... 89
13
Figura 5.7. Mapa de máximo valor compuesto del NDVI (MOD13Q1), donde se
observa la máxima vegetación desarrollada por las riberas, áreas de cultivo y
las lomas, en el periodo 2000- 2014, en la costa central del Perú. ................. 91
Figura 5.8. Costa del departamento de La Libertad y la vegetación resultante,

después de la extracción de la vegetación de los valles y pie de monte andino
......................................................................................................................... 93
Figura 5.9. Lomas entre los valles de Chicama y Moche. Imagen de Google
Earth donde se realiza la inspección de la topografía de la vegetación entre
valle y valle para verificar que no son zonas agrícolas (Google Earth Pro,
2015), acceso 06/11/2018. ............................................................................... 94
Figura 5.10. Topografía de la costa central del Perú (SRTM250), la paleta que
se encuentra a la izquierda indica la altitud por colores. Se observa que dentro
de esta región la máxima altitud es de 1800 msnm. ........................................ 98
Figura 5.11. Imagen satelital SRTM30, graficada en 3D, con el perímetro de los
valles, el perímetro de las lomas de La Libertad y un perfil topográfico RS que
pasa por la loma de cerro Negro y el valle de Virú, en la costa del departamento
de La Libertad. ................................................................................................. 99
Figura 5.12. Relación entre el NDVI y la altitud en el valle de Virú y en la loma

de cerro Negro. .............................................................................................. 100
Figura 5.13. Agrupación anual de las 342 imágenes producto MODIS NDVI.
....................................................................................................................... 101
Figura 5.14. Esquema de agrupación de las imágenes satelitales para obtener

....................................................................................................................... 102
Figura 6.1.Perímetro del área de estudio: costa central del Perú……………105
14
Figura 6.2. Mapa de máximo valor compuesto del NDVI de la costa del
departamento de La Libertad que presenta la máxima vegetación desarrollada
en el periodo 2000-2014. ............................................................................... 107
departamento de La Libertad, sin la vegetación ribereña y pie de monte andino.
....................................................................................................................... 108
Figura 6.4. Perímetro del área las lomas de la costa de La Libertad conformado
por cinco contornos. ....................................................................................... 109
Figura 6.5. Mapa de la costa del departamento de La Libertad con las curvas
de nivel de 200 msnm y 800 msnm, y el perímetro de lomas de la costa de La
Libertad. ......................................................................................................... 110
Figura 6.6. Mapa de máximo valor compuesto del NDVI (2000 -2014) de la
costa del departamento de Ancash. Presenta vegetación desarrollada a lo largo
de 15 años (2000-2014). ................................................................................ 111
Figura 6.7. Mapa máximo valor compuesto del NDVI de la costa del
departamento de Ancash, sin la vegetación ribereña y sin la vegetación del pie
de monte andino............................................................................................. 112
Figura 6.8. Perímetro de las lomas de la costa de Ancash conformado por

cuatro contornos cerrados. ............................................................................. 113
Figura 6.9. Mapa de la costa del departamento de Ancash con las curvas de
nivel de 200 msnm y 800 msnm y el perímetro de las lomas de Ancash. ...... 114
Figura 6.10. Mapa de máximo valor compuesto del NDVI (2000-2014) de la

costa del departamento de Lima. Presenta la máxima vegetación desarrollada a
lo largo de 15 años (2000-2014). ................................................................... 116
15
Figura 6.11. Mapa de máximo valor compuesto del NDVI de la costa de Lima,
sin vegetación ribereña. ................................................................................. 117
Figura 6.12. Perímetro de las lomas de la costa de Lima conformado varios

contornos........................................................................................................ 118
Figura 6.13. Mapa del departamento de la costa de Lima con las curvas de
nivel de 200 msnm y 800 msnm y el perímetro de las lomas de Lima. .......... 119
Figura 6.14. Mapa de máximo valor compuesto del NDVI (2000 – 2014) de la
costa del departamento de Ica. Se presenta la máxima vegetación desarrollada
a lo largo de 15 años (2000-2014). ................................................................ 120
Figura 6.15. Mapa de máximo valor compuesto del NDVI de la costa de Ica, sin
la vegetación ribereña. ................................................................................... 121
Figura 6.16. Perímetro de las lomas de la costa de Ica conformado por tres
contornos........................................................................................................ 122
Figura 6.17. Mapa de la costa del departamento de Ica con las curvas de nivel
de 200 msnm y 800 msnm y el perímetro de las lomas de la costa de Ica. ... 123
Figura 6.18. Perímetro del área de las lomas identificadas por departamentos
....................................................................................................................... 124
Figura 6.19. Mapas de la loma cerro Campana: (a) Mapa de máximo valor
compuesto del NDVI MOD13Q1 (2000-2014) y (b) Mapa topográfico (SRTM
250), ambos, con el perfil AB que atraviesa la loma de cerro Campana, de
coordenadas en A: 8.0° S, 79.1° W y en B: 7.9° S, 79.1° W, donde los colores
indican los valores del NDVI y los niveles de altitud. ...................................... 126
Figura 6.20. Variación del NDVI con la altitud, a través del perfil AB que pasa
por la loma de cerro Campana. En azul: la variación de la altitud entre los
puntos AB de la Figura 6.19a. En rojo: la variación del NDVI entre los puntos
16
A-B de la Figura 6.19b. Las líneas verticales indican la región en la que el NDVI
incrementa a medida que aumenta la altitud. ................................................. 127
Figura 6.21. Relación del NDVI vs. Altitud, obtenida del perfil AB que pasa por
la loma cerro Campana, donde el grado de correlación entre la altitud y el NDVI
es 0.78. .......................................................................................................... 128
Figura 6.22. Mapa 3D de la loma de cerro Campana, ubicada en la costa de La

Libertad y el perfil AB (A: 8.0° S, 79.1° W y B: 7.9° S, 79.1° W). Mapa elaborado
con la imagen satelital SRTM250, donde los colores indican altitud. ............. 128
Figura 6.23. Se presenta dos mapas de la loma de cerro Chiputur: (a) Mapa
de máximo valor compuesto de NDVI MOD13Q1 (2000-2014) y (b) Mapa
topográfico SRTM 250 ambos, con el perfil B’C que atraviesa la loma de cerro
Chiputur, de coordenadas en B’: 8.3° S, 78.9° W y en C: 8.1° S, 78.9° W,
donde los colores indican los valores del NDVI y los niveles de altitud. ........ 129
Figura 6.24. Se muestra la variación del NDVI con la altitud, a través del perfil
B’C que pasa por la loma de cerro Chiputur. En azul, se muestra la variación de
la altitud entre los puntos B’C de la Figura 6.23-b.En rojo, se muestra la
variación del NDVI entre los puntos B’C de la Figura 6.23-a, y las líneas
verticales indican la región en la que el NDVI incrementa a medida que
aumenta la altitud. .......................................................................................... 130
Figura 6.25. Relación del NDVI vs. Altitud, obtenida del perfil B’-C que pasa por
la loma de cerro Chiputur, donde el grado de correlación entre la altitud y el
NDVI es 0.90. ................................................................................................. 131
Figura 6.26. Mapa de 3D de la loma de cerro Chiputur, ubicada en la costa de

La Libertad y el perfil B’C. Este mapa ha sido elaborado con la imagen satelital
SRTM250, donde los colores indican altitud. ................................................. 131
Figura 6.27. Se presenta dos mapas de la loma de cerro Mongón: (a) Mapa de
máximo valor compuesto del NDVI MOD13Q1 (2000-2014) y (b) Mapa
17
topográfico SRTM 250, ambos con el perfil C’D que atraviesa la loma de cerro
Mongón, de coordenadas en C’: 9.7°S, 78.3°W y en D: 9.6°S, 78.3°W y los
colores indican los valores de NDVI y los niveles de altitud. ......................... 132
C’D que pasa por la loma de cerro Mongón. En azul, se muestra la variación de
la altitud entre los puntos C’D de la Figura 6.27-b. En rojo, se muestra la
variación del NDVI entre los puntos C’D de la Figura 6.27-a, y las líneas
aumenta la altitud. .......................................................................................... 133
Figura 6.29. Relación del NDVI vs. Altitud, obtenida del perfil C’D que pasa por
la loma de cerro Mongón, donde el grado de correlación entre la altitud y el
NDVI es 0.96. ................................................................................................. 134
Figura 6.30. Mapa de 3D de la loma de cerro Mongón, ubicada en la costa de

Ancash y el perfil B’C. Este mapa ha sido elaborado con la imagen satelital
Figura 6.31. Se presenta dos mapas de la loma de cerro Lupín: (a) Mapa de
topográfico SRTM 250 ambos, con el perfil D’E que atraviesa la loma de cerro
Lupín, de coordenadas en D’: 10.5° S, 77.9°W y en E: 10.4°S, 77.8°W, donde
los colores indican valores del NDVI y los niveles de altitud. ......................... 135
D’E que pasa por la loma de cerro Lupín. En azul, se muestra la variación de la
altitud entre los puntos D’E de la Figura 6.31-b. En rojo, se muestra la variación
del NDVI entre los puntos D’E de la Figura 6.31-a, y las líneas verticales
indican la región en la que el NDVI incrementa a medida que aumenta la altitud.
....................................................................................................................... 136
18
Figura 6.33. Relación del NDVI vs. altitud, obtenida del perfil D’-E que pasa por
la loma de cerro Lupín, donde el grado de correlación entre la altitud y el NDVI
es 0.84. .......................................................................................................... 137
Figura 6.34. Mapa de 3D de la loma de cerro Lupín, ubicada en la costa de

Ancash y el perfil D’E. Este mapa ha sido elaborado con la imagen satelital
Figura 6.35. Se presenta dos mapas de la loma de Lachay: (a) Mapa de

topográfico SRTM250, ambos, con el perfil E’F que atraviesa la loma de
Lachay, de coordenadas en E’ 11.5°S, 77.4°W y en F: 11.3°S, 77.4°W, donde
los colores indican los valores de NDVI y los niveles de altitud. ................... 138
E’F que pasa por la loma de Lachay. En azúl, se muestra la variación de la
altitud entre los puntos E’F de la Figura 6.35-b. En rojo, se muestra la variación
del NDVI entre los puntos E’F de la Figura 6.35-a, y las líneas verticales indican
la región en la que el NDVI incrementa a medida que aumenta la altitud. ..... 139
Figura 6.37. Relación del NDVI vs. Altitud, obtenida del perfil E’F que pasa por
la loma de Lachay, donde el grado de correlación entre la altitud y el NDVI es
0.74. ............................................................................................................... 140
Figura 6.38. Mapa de 3D de la loma de Lachay, ubicada en la costa de Lima

y el perfil E’F. Este mapa ha sido elaborado con la imagen satelital SRTM250,
donde los colores indican altitud. ................................................................... 140
Figura 6.39 Se presenta dos mapas de la loma de Amará: (a) Mapa de máximo
valor compuesto del NDVI MOD13Q1 (2000-2014) y (b) Mapa topográfico
SRTM 250, ambos, con el perfil MN que atraviesa la loma de Amará, de
coordenadas en M: 14.7°S, 75.8°W y N: 14.7°S, 75.7°W. ............................. 141
19
Figura 6.40 Se muestra la variación del NDVI con la altitud, a través del perfil
MN que pasa por la loma de Amará. En azul, se muestra la variación de la
altitud entre los puntos MN de la Figura 6.43-b. En rojo, se muestra la variación
del NDVI entre los puntos MN de la Figura 6.43-a. ........................................ 142
Figura 6.41. Relación del NDVI vs. altitud, obtenida del perfil MN que pasa por
la loma de Amará, donde el grado de correlación entre la altitud y el NDVI es
0.82. ............................................................................................................... 143
Figura 6.42. Mapa de 3D de la loma de Amará, ubicada en la costa de Ica y el

perfil MN. Este Mapa ha sido elaborado con la imagen satelital SRTM250,
donde los colores indican altitud. ................................................................... 143
Figura 6.43. Variación del área de las lomas en la costa del departamento de
La Libertad, periodo 2000 – 2014................................................................... 147
Ancash. .......................................................................................................... 149
Lima. .............................................................................................................. 151
Figura 6.46. Variación del área de las lomas de la costa del departamento de
Ica. ................................................................................................................. 153
Figura 6.47. Variación anual del área de las lomas de la costa central del Perú
por departamentos. ........................................................................................ 155
Figura 6.48. Variación mensual del promedio del NDVI de las lomas de la
costa de La Libertad, con una desviación estándar por cada mes y un ajuste
lineal que indica la tendencia de los datos. .................................................... 158
20
Figura 6.49. Variación mensual del promedio del NDVI de las lomas de la costa
de Ancash, con una desviación estándar por cada mes y un ajuste lineal que
indica la tendencia de los datos. .................................................................... 160
de Lima, con una desviación estándar por cada mes y un ajuste lineal que
indica la tendencia de los datos. .................................................................... 162
de Ica, con una desviación estándar por cada mes y un ajuste lineal que indica
la tendencia de los datos. ............................................................................... 164
Figura 6.52. Variación mensual del promedio del NDVI de las lomas de las
costas de los departamentos de la Libertad, Ancash, Lima e Ica. .................. 165
Figura 6.53. Series de tiempo del NDVI de las lomas de la costa central, con
sus respectivas tendencias por cada etapa. .................................................. 169
Figura 6.54. Espectros de potencia obtenidos para la primera y la segunda

etapa de las series temporales de las lomas de la costa de La Libertad, Figura
6.57.a. ............................................................................................................ 171

etapa de las series temporales de las lomas de la costa de Ancash, Figura
6.57.b. ............................................................................................................ 172

etapa de las series temporales de las lomas de la costa de Lima, Figura 6.57.c.
....................................................................................................................... 173
Figura 6.57. Anomalía de la media anual del NDVI de las lomas de la costa de
La Libertad. .................................................................................................... 176
21
Ancash. .......................................................................................................... 177
Lima. .............................................................................................................. 178
Ica. ................................................................................................................. 179
Figura 6.61. Anomalías de la media anual del NDVI de las lomas de la costa
central del Perú. ............................................................................................. 180
Figura 6.62. Estaciones meteorológicas dentro del área de estudio de la costa

central del Perú: Talla (-7.28°, -79.41°) en la Libertad, Buena Vista (-9.43, -
78.20) en Ancash, Lachay (-11.36, -77,36) en Lima, Ocucaje (-14.38,-75.68) en
Ica. Adaptado de Estaciones automáticas del SENAMHI, 2017 (Acceso:
octubre 2017) ................................................................................................. 181
Figura 6.63. Precipitación registrada por la estación de Talla (La Libertad). . 182
Figura 6.64. Precipitación registrada por la estación de Buena Vista (Ancash).

....................................................................................................................... 182
Figura 6.65. Precipitación registrada por la estación de Lachay (Lima). ....... 182
Figura 6.66. Precipitación por la estación de Ocucaje (Ica)........................... 183
Figura 6.67. Precipitación anual acumulada de los datos de las estaciones de

Talla (la Libertad), Buena Vista (Ancash), Lachay (Lima), Ocucaje (Ica). ...... 185
Figura 7.1. Ubicación de las principales lomas de la costa de La Libertad en el

mapa de máximo valor compuesto del NDVI del producto MOD13Q1 (2000-
2014) que contiene los perímetros de las áreas de las lomas de la costa de la
Libertad……………………………………………………………………………187
22
Figura 7.2. Ubicación de las principales lomas de la costa de Ancash en el
2014) que contiene los perímetros de las lomas de la costa de la Ancash. ... 188
Figura 7.3. Ubicación de las principales lomas de la costa de Lima en el mapa

de máximo valor compuesto del NDVI del producto MOD13Q1 (2000-2014) que
contiene los perímetros de las lomas de la costa de la Lima. ........................ 189
Figura 7.4. Ubicación de las principales lomas de la costa de Ica en el mapa de

máximo valor compuesto del NDVI del producto MOD13Q1 (2000-2014) que
contiene los perímetros de las lomas de la costa de Ica. ............................... 190
Figura 7.5. Loma de Amará (Agosto 2013) (Beresford et al., 2015). ............. 192
Figura 7.6. Loma de cerro Campana (Rodríguez et al., 2012). ..................... 192
Figura 7.7. Loma de Lachay (Hiking in National Reserve Lomas de Lachay in

its Greenest Months, 2018). ........................................................................... 193
Figura 7.8. Tope de la inversión térmica (1992-2005), es el límite superior de la

capa de inversión térmica y es variable según los meses del año, la mayor
altitud se da en los meses de junio, julio y agosto y asciende alrededor de los
1600 msnm y la menor altitud se da en los meses de febrero y marzo y llega
alrededor de los 400 msnm (Arellano y Calvo, 2009)..................................... 195
Figura 7.9. Base de la inversión térmica (1992-2005), es el límite inferior de la

capa de inversión térmica, su altitud varía según los meses del año, la máxima
altitud se da los meses de junio, julio y agosto y llega a una altitud alrededor de
los 750 msnm y la mínima altitud se da en los meses de marzo y abril y llega a
una altitud aproximada de 200 msnm (Arellano y Calvo, 2009). .................... 195
Figura 7.10. Índice de Oscilación del sur (IOS), los períodos prolongados de
valores negativos IOS coinciden con las aguas oceánicas anormalmente
cálidas (niño) y los periodos prolongados de valores positivos de IOS coinciden
las aguas oceánicas anormalmente frías (niña) en el pacifico oriental tropical. El
23
recuadro indica el periodo de estudio, el eje Y indica la intensidad del evento
climático, si es de 0-5 se considera evento normal de 0.5 a 1, evento débil de 1
a 1.5 evento moderado de 1.5 a 2 evento fuerte, mayor o igual a 2 evento muy
fuerte (NOAA, 2019). ...................................................................................... 197
Figura 7.11. Índice Costero El Niño (ICEN) representa la variabilidad del clima
en el este del océano pacifico ecuatorial frente a Ecuador y Norte del Perú,
valores negativos representan eventos de la niña y valores positivos representa
eventos del niño (IMARPE, 2019). ................................................................. 198
24
LISTA DE TABLAS
Tabla 1.1. Columna de la izquierda se muestra los años en los que se ha

producido el evento del niño y su nivel de intensidad, en la columna de la
derecha se muestra los años en que se ha producido el evento de la niña y sus
niveles de intensidad (Gate Weather Services ,2018). ..................................... 31
Tabla 2.1. Clasificación de la niebla según su proceso de formación

(Petterssen, 1941)………………………………………………………………….. .38
Tabla 2. 2. Presentación de diferentes tipos de NDVI. (Pettorelli et al., 2005) 58
Tabla 4.1. Meses del año, el rango en días julianos y cantidad de datos por
mes………………………………………………………………………………........70
Tabla 4.2. Estaciones del año, el inicio de las estaciones en días Julianos y
cantidad de datos imágenes por estación. ....................................................... 70
Diagramas
Diagrama 5.1. Esquema general de la metodología de la investigación de la

climatología de los ecosistemas de las lomas de la costa central del Perú
usando datos imágenes de Satélite ................................................................. 78
Diagrama 5.2. Procedimiento para obtener el perímetro de la costa central del

Perú .................................................................................................................. 80
Diagrama 5.3. Procedimiento para obtener los perímetros de las lomas de la

costa central del Perú. ...................................................................................... 84
Diagrama 5.4. Procedimiento para obtener el umbral del NDVI de formación de

lomas y el grado de correlación entre NDVI y altitud. ....................................... 96
25
RESUMEN
La costa central del Perú está ubicada entre los 7° y los 15°, latitud sur. Su
topografía se extiende entre los 0 y 1800 msnm, abarcando parte de los
departamentos de La Libertad, Ancash, Lima e Ica. Dentro de estas regiones
existen dos grandes grupos de vegetación: la vegetación producida por las
riberas, y la vegetación producida por las neblinas, a las que se les llaman
lomas; esta vegetación es el objeto de análisis en esta investigación. A través
de este estudio se investiga y se caracteriza la climatología de las lomas de la
costa central del Perú, mediante el uso de datos-imágenes producto NDVI del
sensor MODIS a bordo del satélite TERRA y mediante el uso de una imagen
satelital topográfica. Para esto, lo primero, es importante identificar gran parte
de las lomas de la costa central del Perú desarrolladas entre los años 2000 y
2014, utilizando una imagen satelital de radar, que da información de niveles de
altitud en toda la costa central del Perú e imágenes satelitales producto MODIS
NDVI, que cubren un periodo de 15 años. Luego, establecer la relación entre la
altitud y el NDVI a través de perfiles topográficos, para hallar el umbral NDVI de
formación de la lomas que permitirá calcular el valor de las áreas de las lomas
por cada año (variación anual), finalmente hallar la variación diaria (series
temporales), la variación mensual, las anomalías, la periodicidad del NDVI de
las lomas de las costas de los departamentos de la Libertad, Ancash, Lima e
Ica.
La base de datos que se utiliza en esta investigación, consta de 342
imágenes satelitales MOD13Q1 que dan información del NDVI, imágenes
obtenidas del sensor MODIS, con una resolución espacial 250 x 250 m y una
resolución temporal de 16 días que cubren un periodo de 15 años,
transcurridos desde el año 2000 hasta el 2014, además, se usa una imagen
satelital de radar llamada SRTM, que da información topográfica de toda la
costa central del Perú. Para procesar esta cantidad de datos se han empleado
los softwares: Enviroment for Visualizing Imagen (ENVI) 4.8, Interactive Data
Languaje (IDL), ESRI ArcGis – ArcScene, TimeStats V1.0 y Matlab.
Con la imagen satelital SRTM se obtiene el perímetro de la costa central del
Perú, con este perímetro, se delimitan todas las imágenes satelitales
MOD13Q1, luego se calcula el máximo valor compuesto del NDVI de las 342
26
imágenes delimitadas. Este procedimiento, da como resultado un mapa que
resalta toda la vegetación desarrollada en la costa central del Perú entre los
años 2000 y 2014. Finalmente, de este mapa se extrae toda la vegetación
ribereña, quedando así, solo la vegetación de las lomas, de las cuales se
seleccionan seis lomas que son: Cerro Campana, Chiputur, Mongón, Lupin,
Lachay, y Amará. La vegetación de estas lomas es analizada en función de la
altitud, a través de perfiles topográficos con los siguientes resultados:
Las lomas de la costa de los departamentos de la Libertad, Ancash y Lima
empiezan a formarse a una altura promedio de 259 ± 58.27 msnm, con un valor
promedio de NDVI de 0.26 ± 0.03, valor que se denomina Umbral de NDVI de
formación de las lomas. A partir de este punto, el NDVI y la altitud tienen un
buen grado de correlación, es decir, el NDVI incrementa cuando aumenta la
altitud, hasta alcanzar una altura aproximada de 644.6 ±101.8 msnm con un
valor promedio de NDVI de 0.87±0.08. A partir de esta altura, ya no hay
correlación, porque el NDVI empieza a disminuir con respecto de la altitud. La
máxima altitud en promedio a las que llegan las lomas de los tres
departamentos mencionados es de 1033.8 ± 100.06 msnm. En el caso de las
lomas de la costa de Ica no se ha encontrado el umbral del NDVI y su máximo
valor promedio de NDVI es de 0.39 a una altura aproximada de 719 msnm.
Esta caracterización permite definir a las lomas mediante dos parámetros
físicos que son el NDVI y la Altitud los que han permitido identificar la altura de
la base de las lomas, y la altura máxima de desarrollo, estos datos hallados
dan apertura a evaluar la influencia de la capa de inversión térmica y la
influencia de la dirección de los vientos.
Después de la caracterización de las lomas por departamentos, se analiza
la climatología de las lomas de la costa central del Perú, para esto se halla la
variación diaria (series de tiempo ), la variación mensual del NDVI de las lomas
por departamentos, la variación anual del área de las lomas, las anomalías y
finalmente las periodicidades de las lomas por cada costa de los
departamentos en estudio, esto permite ver la variabilidad, la tendencia, el
impacto de los fenómenos extremos como eventos del niño y la niña en las
lomas en el periodo 2000 – 2014.
27
Entre los resultados más importantes que se han obtenido, es que la
variabilidad del NDVI de las lomas es muy diferente por cada departamento.
Los valores máximos mínimos se dan en diferentes años, lo que hace que
presenten tendencias diferentes. Otro resultado importante es que Lima tiene el
área promedio de lomas más grande que el resto de los departamentos,
siguiéndole en extensión las lomas de La Libertad; luego, las lomas de Ancash
y finalmente, las áreas de las lomas de Ica.
En la variación mensual del NDVI de las lomas, se observa que, en los
departamentos de la Libertad, Ancash, Lima hay una marcada estacionalidad
debido a que el NDVI varia con respecto a las estaciones del año, mientras que
en las lomas de Ica el NDVI no tiene mayor variación al cambiar las estaciones.
Estos resultados indican que los factores que contribuyen a la formación de las
lomas, tales como las neblinas, capa de inversión térmica, temperatura del
océano, velocidad del viento, son muy diferentes en cada costa de los
departamentos en estudio.
Así como se encuentran características diferentes entre las lomas de los
departamentos hay también características similares que las comparten. Estas
son: la presencia de dos etapas bien marcadas; la primera etapa que va de
enero del 2000 a junio del 2008 y la segunda, que va de julio del 2008 a
diciembre del 2014, donde el NDVI de las lomas sufre un gran incremento. Otra
característica similar es, que el periodo encontrado en las lomas de los
departamentos de La Libertad, Ancash, Lima es de 6 y 12 meses.
Finalmente, el cálculo de las anomalías indican en el periodo de estudio
(2000 - 2014) se han encontrado dos ciclos bien marcados, en todas lomas de
la costa central del Perú:
 Un ciclo de déficit de vegetación o anomalía negativa, que se da desde

el 2002 hasta el 2007.
 Un ciclo de superávit de vegetación o anomalía positiva que se
da desde el 2008 hasta el 2012.
28
Del desarrollo de esta investigación se concluye que la metodología
desarrollada, permite identificar, estudiar y caracterizar las lomas de la costa
central del Perú e investigar su climatología mediante el uso de parámetros
físicos: topografía del territorio, y el NDVI - datos imágenes satelitales producto
MODIS. Además los resultados de esta investigación permiten implementar un
sistema de vigilancia operacional del ecosistema de las lomas costeras en
cuanto al impacto de la variabilidad climática y la influencia antropogénica,
mediante el uso de imágenes satelitales producto NDVI de libre acceso.
A través de estos resultados se puede delimitar zonas favorables para la
precipitación del agua de las neblinas, observar y vigilar el cambio climático en
la costa central del Perú. Asimismo, el análisis del comportamiento espacial y
temporal de las lomas, permite documentar el avance o retroceso de la
desertificación de los oasis naturales que son las lomas y el impacto de la
expansión de los centros urbanos.
29
CAPÍTULO 1: INTRODUCCIÓN
1.1 Climatología de la costa
La costa peruana es una región geográfica que se encuentra entre las

estribaciones andinas y Océano Pacífico; se caracteriza por tener desiertos
hiperáridos, con extensas planicies y colinas de baja altura. Esta región,
presenta dos sectores climatológicos: el primero, es el sector septentrional o
norte, que se extiende desde El Alto en Piura hasta la frontera con Ecuador; el
segundo, es el sector meridional, que se extiende desde El Alto hasta la
frontera con Chile. El clima del sector septentrional es tropical: caluroso y
lluvioso; mientras que, el clima del sector meridional se caracteriza por tener
alta humedad atmosférica, de 70 a 85%; con escasas precipitaciones, debido al
fenómeno de la inversión térmica; y con una temperatura homogénea (Pulgar,
1987).
Según (Dillon, 2005), la temperatura homogénea se debe a las bajas
temperaturas de la superficie del mar, asociada con el flujo de la Corriente
peruana que va de sur a norte. Esto, combinado con el anticiclón del Pacifico
sur, producen un clima templado y uniforme, donde casi nunca llueve, pero con
una presencia regular de nubes estratos gruesos por debajo de los 1000 m.
En la costa peruana entre los años 2000-2014 se han presentado eventos
extremos estacionales como del niño y la niña como se ve en la tabla 1.1
30
Tabla 1.1 Columna de la izquierda se muestra los años en los que se ha
producido el evento del niño y su nivel de intensidad, en la columna de la
derecha se muestra los años en que se ha producido el evento de la niña y sus
niveles de intensidad (Gate Weather Services ,2018).
A lo largo del desierto costero, la vida vegetal se divide en dos tipos de

comunidades: las ribereñas y las lomas. El palabra lomas es usado para
designar a la vegetación formada por las neblinas. Esta vegetación crece en la
costa del Perú y el norte de Chile; es decir, se extiende desde Illescas en el
Perú (latitud 6° 52’ S) hasta la Serena en Chile (latitud 29°54’ S), según
(Giraldo et al., 2004). Esta vegetación se desarrolla en las pendientes
orientadas hacia el océano, las que permiten mejor condensación de las
neblinas traídas por los vientos que soplan de sur y sur-oeste, hasta una altitud
de 1000m (Giraldo et al., 2004). En el Perú se han identificado lomas en más
de 70 localidades que van desde Trujillo, 8° latitud sur, hasta Tacna, 18° latitud
sur (Trujillo y Delgado, 2011). Cabe resaltar, que la formación regular de la
neblina en esta región es limitada por el fenómeno de inversión térmica de
advección, la que restringe el límite superior de las neblinas, alrededor de los
1000m produciéndose, consecuentemente, la flora y la fauna limitadas por
dicha elevación (Veblen et al. , 2007).
31
1.2 Ecosistemas de la costa
La costa es una franja desértica por la que pasan ríos de origen andino que
desembocan en el mar. Dentro de esta franja desértica se encuentran diversos
ecosistemas, como por ejemplo las lomas, los humedales, los pantanos
costeros y las pampas.
1.3 Las lomas y sus características
Las lomas se distribuyen de forma fragmentada a lo largo de la costa occidental

de Perú y Chile entre los 6°S y 30°S sobre el desierto hiperárico. Estas se
caracterizan por ser ecosistemas frágiles debido a que son vulnerables a las
consecuencias de las actividades antrópicas que se desarrollan dentro de ellos
y en su entorno (SERFOR, Ecosistemas Fragiles), así mismo, se caracterizan
por tener una vegetación que se desarrolla en relieves costeros altos, los que
se extienden entre 100 y 1200 msnm; su clima se caracteriza por
tener precipitación variable (<10 mm a 200 mm / año), temperatura media
anual de 18°C y alta humedad relativa alrededor de 75% (Manrique, 2011).
1.4 lomas y su importancia
La importancia de las lomas de la costa peruana radica en que es una

valiosa fuente de recursos vegetales y animales, así como, una fuente de agua
dulce, por ejemplo, en los estudios de (Velásquez, 2013), se indica que, la
vegetación forrajera generada en las lomas es empleada en el pastoreo de
camélidos nativos y animales domésticos locales. Además, los frutos como
Jaltomata, Solanum y raíces comestibles, tuvieron un rol importante en la
alimentación de los primeros pobladores de la costa peruana.
32
1.5 Condiciones actuales del estudio de las lomas
Las lomas han sido estudiadas de forma aislada, una de otra, como se ve en
(Beresford et al., 2015), (Cano et al., 1999), etc. y la mayor parte de los
estudios de estas lomas se centran en caracterizar la flora y la fauna, sin
incluir, en la mayoría de ellos, estudios de variabilidad climática, debido
principalmente a dos razones: La primera, es que no hay estaciones
meteorológicas en el ámbito de las lomas lo que permita obtener parámetros
meteorológicos como la temperatura, la humedad, la presión, los vientos y las
precipitaciones, a excepción de la estación meteorológica ubicada en la loma
de Lachay, que cuenta con un registro de datos de consideración y que está en
funcionamiento desde 1930 (Jiménez et al., 1999); la segunda razón, es que
los datos de campo son generalmente difíciles de usar para establecer cambios
climáticos regionales y globales, ya que estos datos se recogen a pequeñas
escalas espaciales y temporales (Pettorelli et al., 2005). En este contexto, solo
las imágenes satelitales constituyen una fuente potencial de datos debido a que
brindan información periódica, y permiten el acceso a lugares remotos, y los
datos se pueden obtener a través del internet, de fuentes como Earth data.
El uso de la información de sensoramiento remoto satelital llena el vacío de la

falta de información espacio temporal ambiental, y permite estudiar el
comportamiento de la vegetación mediante la determinación espacio temporal
del índice de vegetación normalizado (NDVI) como indicador sensible a los
cambios del ecosistema a la variabilidad climática en un territorio dado.
En la presente investigación se usa la información digital espacio temporal del
NDVI y la topografía, y se desarrolla, implementa y aplica una metodología
para establecer la climatología de las lomas en la costa central del Perú, para
el periodo 2000-2014.
33
1.6 Identificación del problema
Las lomas costeras constituyen un ecosistema importante para el

sostenimiento y desarrollo de los seres vivos en la costa peruana. Sin embargo,
no se cuenta con documentación y estudios que permitan identificar,
caracterizar y determinar su comportamiento ante la variación climática.
1.7 Hipótesis
La hipótesis de la presente investigación es: Si se cuenta con datos digitales

de imágenes satelitales de índice normalizado de vegetación (NDVI) para la
costa central del Perú, a la misma resolución espacial para un periodo mayor
de 10 años y una imagen topográfica, es posible plantear una solución al
problema identificado.
Esta hipótesis es viable porque se cuenta con una base de datos de 342
imágenes satelitales producto NDVI del sensor Moderate-Resolution Imaging
Spectroradiometer (MODIS), que cubre un periodo de 15 años, desde el año
2000 hasta el 2014, con una resolución espacial de 250 m x 250 m y una
resolución temporal de 16 días, además, de una imagen satelital de radar, que
da información topográfica de toda la costa central del Perú.
1.8 Objetivos
Los objetivos de esta investigación se dividen en un objetivo general y

objetivos específicos. Ambos objetivos permiten determinar los lineamientos a
seguir en el desarrollo de la presente investigación
1.8.1 Objetivo General
Investigar y caracterizar la climatología de las lomas de la costa central del

Perú, mediante el uso de datos-imágenes producto NDVI del sensor MODIS a
bordo del satélite TERRA.
34
1.8.2 Objetivos específicos
 Identificar gran parte de las lomas de la costa central del Perú desarrolladas
entre los años 2000 y 2014, utilizando una imagen satelital de radar, que da
información topográfica de toda la costa central del Perú y las imágenes
satelitales producto MODIS NDVI, que cubren un periodo de 15 años (2000-
2014), con una resolución espacial de 250 m x 250 m.
 Cartografiar las lomas de la costa central del Perú por departamentos.
 Establecer la relación entre altitud y NDVI en las Lomas.
 Encontrar el umbral NDVI y máxima altitud de formación de las lomas de la
costa central del Perú.
 Analizar el comportamiento espacial y temporal de las lomas del periodo
2000 -2014.
1.9 Relación con otras investigaciones
La presente investigación forma parte de un conjunto de investigaciones

que están lideradas por el Proyecto Cátedra CONCYTEC “Teledetección en
la Desertificación y Sequía”, que tiene por finalidad investigar la
problemática de la desertificación y sequía en el territorio peruano. Las
diversas investigaciones realizadas dentro de este proyecto analizan
indicadores de sequía que contribuyen a la evaluación climatológica de las
lomas de la costa central del Perú que son indicadores sensibles a los
eventos de sequía.
1.10 Organización de la tesis
La presente investigación está organizada en ocho capítulos y dos anexos.

En el capítulo 1 se presentan los objetivos, el planteamiento del problema y
la hipótesis; en el capítulo 2 se describen los principales factores que
influyen en el fenómeno de formación de las lomas; en el capítulo 3 se
indica la ubicación y el clima de la costa central del Perú; el capítulo 4
aborda sobre la forma en que se adquirió los datos y sus características,
además se habla sobre los recursos utilizados para procesar estos; el
35
capítulo 5 presenta el desarrollo de la investigación, con flujogramas que
indican la secuencia de pasos para obtener resultados; el capítulo 6
presenta los resultados; el capítulo siete presenta la discusión de los
resultados, en este capítulo se analizan e interpretan los resultados a partir
de los cuales se planteará las conclusiones. Finalmente, en el capítulo 8 se
presenta las conclusiones de la investigación, su contribución a la literatura
actual y un conjunto de recomendaciones para la dirección de las futuras
líneas de investigación.
36
CAPÍTULO 2: MARCO TEÓRICO
El contenido del marco teórico está orientado a explicar qué es la niebla,

cómo se forma y que tipo es la que produce lomas, también, se abordan de
forma general algunos tópicos de la atmósfera y el océano como: la capa de
inversión térmica, el anticiclón del pacifico sur, los vientos alisios, la
temperatura del océano, el afloramiento costero, la corriente peruana de
Humboldt. Finalmente se abordan conceptos sobre lomas, índice de vegetación
y climatología.
2.1 Niebla
En esta sección se presenta la definición y clasificación de las nieblas, y, en

particular, se detalla sobre el proceso de formación de la niebla de advección,
debido a que estas son las responsables del proceso de formación de las
lomas en la costa central del Perú.
2.1.1 Definición y clasificación de la niebla
La niebla es una nube que tiene una base en el suelo o muy cerca del
suelo. Físicamente, la niebla y la nube no tienen diferencias, la apariencia y la
estructura son las mismas, pero el proceso de formación de ambas es diferente
(Lutgens y Tarbuck, 2013). La niebla, bajo condiciones estables, se forma por
el enfriamiento del aire húmedo por radiación o conducción, mientras que las
nubes resultan, cuando parcelas de aire ascienden (movimiento vertical) y se
enfrían adiabáticamente (Houze, 1993).
La niebla también es definida, como una colección de gotas suspendidas de

cristales de hielo o agua cerca del suelo, que conducen a una reducción de la
visibilidad horizontal a menos de 1km, si la visibilidad es más grande que esto,
se llama neblina (Gultepe, 2007).
37
Existen diversos formas de clasificar la niebla, según (Petterssen, 1941),
la niebla se clasifica teniendo en cuenta los procesos físicos responsables de
su formación, como se muestra en la Tabla 2.1.
Tabla 2. 1. Clasificación de la niebla según su proceso de formación

(Petterssen, 1941).
Clases de nieblas Proceso de producción de niebla

Cuando la lluvia está más caliente que el aire: niebla
Niebla de frontal.
evaporación Cuando la superficie del agua está más caliente que el
aire: niebla de vapor.
Cuando hay movimiento adiabático ascendente: niebla
ascendente.
Cuando el suelo pierde calor a través de la radiación
infrarroja: niebla de radiación, como se muestra en la
Niebla de
Figura. 2.1.
enfriamiento
Cuando hay advección del aire que está más caliente
sobre una superficie más fría: niebla de advección,
(Figura 2.2). Este tipo de niebla se forma generalmente
en las costas, como un fenómeno común.
Se produce por el enfriamiento de una masa de aire
cálido al mezclarse con el aire frío: niebla de mezcla,
Niebla de mezcla
este proceso no produce condensaciones importantes
de agua.
38
Figura 2.1. Niebla de radiación: Se forma durante la noche a medida que el
aire cerca del suelo se enfría y se estabiliza. Cuando el aire alcanza la
saturación por enfriamiento se produce la niebla (National Weather Service ,
2017).
Figura 2.2. Niebla de advección: puede durar varios días y es común en la

costa oeste de EEUU (National Weather Service, 2017).
39
2.1.2 Niebla de advección
Este tipo de niebla se produce cuando se desplaza el aire templado y

húmedo sobre una superficie más fría. Es decir, existe enfriamiento de aire por
contacto con superficie más fría (conducción térmica) y, si el enfriamiento del
aire es suficiente para llegar a la saturación, se producen las llamadas nieblas
de advección. Este tipo de niebla es bastante persistente, no cesa mientras
continúa la advección de aire templado. (Ignacio y Crespo, 2010). Esta niebla
se puede encontrar en dos casos:
 En los océanos de aguas frías, (ver Figura 2.3), cuando por encima de
estos sopla aire cálido.
 Y en las zonas costeras, en invierno, cuando la brisa marina templada y
húmeda se desplaza sobre la tierra relativamente más fría (Martínez, 2003)
Corriente de Canarias
(África Noroccidental )
Corriente de California
(Oeste de Norteamérica)
Corriente peruana
(Perú Chile)
Corriente de Benguela
(Namibia/Angola)
Figura 2.3. Mapa de temperatura global del Océano en tiempo real de la fecha
05/10/2017, donde las flechas representan las corrientes marinas de aguas
frías: corriente de California, corriente de Canarias, corriente de Benguela,
corriente peruana cuyas temperaturas están alrededor de 16°C a 18°C
(National Weather Service, 2017).
40
2.1.3 Proceso de formación de la niebla de advección
Según (Iribarne y Godson, 1981) en la atmósfera existen tres procesos

principales de enfriamiento, que son:
a) Enfriamiento o calentamiento a presión constante (isobárico).

b) Expansión o compresión (ascenso tanto de aire insaturado como saturado).
c) Mezcla de dos masas de aire en la horizontal y en la vertical.
Como se ha mencionado en la definición de niebla de advección, el

enfriamiento a presión constante produce la formación de este tipo de nieblas.
Para comprender este fenómeno de enfriamiento isobárico en la atmósfera, es
necesario conocer los conceptos: de condensación, punto de rocío, presión de
vapor de saturación.
2.1.3.1 Condensación
La condensación se da cuando el vapor de agua pasa al estado líquido.

Durante este proceso, las moléculas de vapor de agua liberan energía, es
decir, el calor latente de condensación en una cantidad equivalente a lo que fue
absorbido durante la evaporación (Lutgens y Tarbuck , 2013).
2.1.3.2 La temperatura del punto de rocío
Es la temperatura en la que se debe enfriar el aire para alcanzar la

saturación (Lutgens y Tarbuck , 2013).
2.1.3.3 Vapor de agua en el aire
Considere una pequeña caja cerrada, cuyo piso está cubierto de agua a una
temperatura T. Inicialmente el aire está completamente seco, el agua al
empezar a evaporarse, genera moléculas de agua en el aire seco; en
consecuencia, la presión de vapor de agua aumenta, con este incremento las
moléculas de agua se condensan desde la fase de vapor a la líquida. Si la tasa
41
de condensación es menor que la tasa de evaporación, se dice que la caja es
insaturada a la temperatura T (Figura. 2.4-a). Cuando la presión de vapor de
agua en la caja aumenta, hasta el punto de que la tasa de condensación es
igual a la velocidad de evaporación, significa que el aire está saturado, (ver
Figura. 2.4.b), (Wallace y Hobbs, 2005).
a) Insaturado (e) b) Saturado (es)

Figura 2.4. Una caja insaturada (a) y una caja saturada (b) con respecto a una
superficie plana de agua pura a temperatura T. Los puntos representan
moléculas de agua. Las longitudes de las flechas representan las tasas
relativas de evaporación y condensación. El saturado es el de mayor cantidad
de puntos (Wallace y Hobbs, 2005).
2.1.4 Condensación en la atmósfera por enfriamiento a presión constante

(proceso isobárico)
En el escenario planteado por (Anastasios, 2007), se considera: una parcela

de aire húmedo insaturado en un sistema cerrado, donde la humedad
específica y agua líquida permanecen constantes, si esta parcela comienza a
enfriarse a presión constante, la presión de vapor también permanece
constante siempre y cuando no se produzca la condensación. Sin embargo, la
presión de vapor de equilibrio no permanece constante ya que es fuertemente
dependiente de la temperatura y a medida que la temperatura decrece lo hace
también la presión de vapor, desde que la presión de vapor disminuye
disminuye lo siguiente es que la humedad relativa aumenta y se acerca a la
saturación, la temperatura en la cual la saturación es alcanzada se llama
temperatura de punto de rocio, este nombre deriva del hecho que si el parcela
se enfría isobáricamente por debajo de estas temperatura se forman gotitas.
42
Sin embargo, se debe tener en cuenta, que para que ocurra la condensación
en temperaturas justo debajo del punto de saturación, debe haber núcleos de
condensación (Anastasios, 2007). Una condensación espontánea en ausencia
de núcleos o superficies sólidas necesita extremadamente alta humedad
relativa (supersaturación) la cual no puede ocurrir fácilmente en la atmósfera.
El enfriamiento isobárico puede ocurrir de manera natural cuando el aire se
mueve horizontalmente a presión aproximadamente constante y viaja a
regiones más frías, entonces la saturación puede ocurrir a medida que el aire
se enfría por conducción de calor en la superficie, a esto se le llama neblina de
advección (Anastasios, 2007).
2.1.5 Formación de nieblas de advección frente a la costa peruana
Para que se formen nieblas de advección en la costa peruana se debe producir

el fenómeno de condensación en la atmósfera por enfriamiento a presión
constante. Los factores físicos que contribuyen para lograr la formación de este
fenómeno son: el anticiclón del Pacífico sur, la corriente peruana y la capa de
inversión térmica por advección, los que son explicados en los párrafos
siguientes:
2.1.5.1 Anticiclón del Pacífico sur
Un anticiclón es una zona de alta presión rodeada de isóbaras cerradas,

(ver Figura. 2.5). En el Hemisferio norte, los vientos soplan en sentido horario
alrededor del anticiclón y en el Hemisferio sur, los vientos soplan en sentido
antihorario, (ver Figura. 2.6). El viento deriva hacia afuera desde la parte
central del anticiclón y generalmente es compensado con el descenso del aire
desde niveles más altos. El movimiento descendente disuelve las nubes altas y
medias, el anticiclón es una región estable y de buen tiempo. (Petterssen,
1941).
43
Figura 2.5. Se presentan isóbaras cerradas, siendo el valor más alto en el
núcleo del anticiclón con 1030 hPa (IMARPE, 2017).
44
Figura 2.6. Las flechas representan los vientos en el Hemisferio sur y en el
anticiclón, que es una región de altas presiones donde la dirección de los
vientos es en sentido antihorario (IMARPE, 2017).
El anticiclón en el Pacífico sur tiene ciclos estacionales, interanuales y

decadales, en el caso estacional, la intensidad del anticiclón varía según cada
estación, con máximos valores en invierno y mínimos valores en otoño, con
desplazamientos del centro del anticiclón en cada estación Figura. 2.7. En
verano austral, el centro del anticiclón se ubica frente a la costa centro-sur de
Chile, aproximadamente a 35°S mientras que en invierno se desplaza al norte
de Chile, costa de la Serena, aproximadamente a 30°S (Tljaard, 1972).
45
Frente a la costa peruana, el anticiclón produce vientos favorables al
afloramiento costero, los que son más fuertes en invierno que en verano. Estos
vientos paralelos a la costa trasladan el agua horizontalmente hacia el norte y
ocasionan el transporte de Ekman costa afuera, provocando el afloramiento de
aguas profundas (Ancapichún, 2012). El anticiclón al fortalecerse incrementa la
intensidad de vientos provenientes del sur y, por tanto, hay un mayor transporte
de aguas de Ekman lo que produce mayor afloramiento, por el contrario,
cuando el anticiclón se debilita, los vientos provenientes del sur disminuyen en
intensidad provocando que el transporte de Ekman sea menor generando
menor afloramiento (Ancapichún, 2012).
Figura 2.7. Promedio estacional 2009 del anticiclón del pacifico sur (hPa, color)
a nivel del mar, entre el 2000 y 2009 con vectores de esfuerzo de viento (Pa),
(Ancapichún, 2012).
46
2.1.5.2 Océano frente a la costa peruana
El área marina frente a la costa peruana tiene un complejo sistema de

corrientes superficiales y subsuperficiales que provienen de la región
ecuatorial, tropical, subtropical y subantártica. Estas corrientes están asociadas
a afloramientos costeros y a los vientos alisios procedentes del sur (Morón,
2000). Los factores que le dan la característica especial de aguas frias costeras
frías (ACF) son, la corriente costera peruana (CCP) y los afloramientos
costeros (Morón, 2000). Los afloramientos son movimientos ascendentes,
mediante el cual las aguas procedentes de capas subsuperficiales ascienden
hasta la superficie del mar, gracias a los vientos que desplazan el agua
superficial hacia afuera de la costa. (Zuta y Guillen, 1970).
Los principales lugares de afloramientos costeros son: 5°S en Paita, 6°S en

Punta Aguja, 9°S en Chimbote, 12°S en el Callao, 15°S en San Juan, (ver
Figura 2.8). La temperatura de los afloramientos es más elevada hacia el norte,
las aguas más frías están frente a Pisco – Ático (14°-16°S), donde se presenta
un afloramiento permanente durante todo el año (Zuta y Guillen, 1970).
La intensidad de los afloramientos depende de las estaciones, es más
intenso en invierno y primavera, mientras que en verano y otoño son menos
intensos (Graco et al., 2006).
47
Figura 2.8. Principales zonas de afloramiento costero en el Perú: 4°- 6°S, 7°-
8°S y 11°-12°S ,14°-16° S (Morón, 2000).
Frente a la costa peruana la temperatura superficial del mar presenta cambios

según las estaciones del año, con temperaturas más altas en verano (enero-
marzo) y con temperaturas más bajas en invierno (julio-setiembre), (Figura 2.9).
Frente al litoral peruano existe una franja de agua fría que oscila entre los 15°C
20°C. Esta franja comienza a ensancharse en el otoño alcanzando su máxima
extensión en el invierno, luego vuelve a su estado natural en el verano, que es
de mínima extensión, se aprecia además, en el mapa estacional de la
superficie del mar, una región de aguas permanente frías durante el año
ubicada entre 14º y 16º latitud sur, debido a un afloramiento costero
permanente. (Guerrero, 2015).
48
La superficie fría del mar frente al litoral peruano es una característica física
que permite la producción de nieblas, ya que, cuando una masa de aire
cálido y húmedo entran en contacto con esta superficie se produce
enfriamiento de la masa de aire por conducción a presión constante generando
así, las nieblas de advección.
Figura 2.9. Mapas estacionales de la temperatura superficial del mar frente a la

costa peruana TSM MODIS /TERRA (2000- 2010) (Guerrero, 2015).
49
2.1.5.3 Inversión térmica
La temperatura del aire normalmente decrece con la elevación, a razón de

0.5°C por cada 100 m aproximadamente y varía según el lugar y la hora del
día. La inversión térmica se puede desarrollar bajo condiciones especiales,
mostrándose como una capa de aire en la cual la temperatura se incrementa
con la altura, (ver Figura. 2.10) (Petterssen, 1941).
La característica esencial de la inversión es la estabilidad pronunciada del
aire en la capa que aumenta con la temperatura. La capa de inversión bien
desarrollada actúa como una tapa a través de la cual la convección o mezcla
no puede tener lugar, porque las corrientes ascendentes son repelidas por la
capa excesivamente estable (capa de inversión). Dado que, la mezcla
turbulenta tiende a transportar la humedad hacia arriba y mantener un abrupto
gradiente, la humedad relativa por debajo de la inversión será alta.
En pronunciados casos, una capa de nubes estratus o estratus-cúmulos se
forman inmediatamente bajo la inversión (Petterssen, 1941).
Figura 2.10. Parámetros que definen la inversión térmica. (Rodríguez et al.,

2005)
Toda la región donde en la cual la temperatura aumenta con la altitud se

llama capa de inversión térmica y es en el límite inferior de esta capa donde se
produce la condensación del agua que forma la neblina.
50
Debido a la presencia de la capa de inversión térmica las neblinas entran a
la costa casi de forma horizontal (advección) sin ascender ya que están
restringidas por el límite inferior de la capa de inversión térmica.
2.2. Loma
En esta sección se presenta la definición y la ubicación de los principales
ecosistemas de las lomas de la costa peruana, con una breve descripción
acerca de la importancia de éstas.
2.2.1. Definición de loma

Las lomas son oasis de vegetación en medio del desierto, caracterizadas
por tener una vegetación periódica y conformada por un número elevado de
especies endémicas de aproximadamente 1300 especies (Veblen, 2007).
La vegetación de una loma está restringida al oasis de nieblas que se
encuentran aproximadamente entre los 200 m y 1500 m de elevación. La
combinación entre las nieblas y la superficie empinada favorecen el proceso de
condensación de agua, que permite el crecimiento de las plantas. (Veblen,
2007).
2.2.2. Ubicación de las lomas de la costa
Según (Veblen et al., 2007) las lomas se extienden a lo largo de la costa

peruana, (ver Figura 2.11), entre los 8°S y 18°S y son:
 Loma de cerro Reque (6° 52'S)

 Loma de cerro Campana (7° 58'S)
 Loma de cerro Cabezón (7° 54'S).
 Loma de cerro Prieto (7° 59'S).
 Loma de cerro Cabras (8° 03'S).
 Loma de cerro Chiputur (8° 10'S).
 Loma de cerro Negro (8° 18'S).
 Loma de Virú (8° 19'S).
 Loma de Lupín (10° 33'S).
51
 Loma de Chimbote (9° 04'S).
 Loma de Casma (9 ° 28'S).
 Loma de Lachay a 60km al norte de Lima.
 Loma de Cajamarquilla.
 Loma de cerro Agustino.
 Loma de Manzano.
 Las tres islas guaneras de: San Lorenzo, San Gallán y Viejitas
 La loma de Lurín (12° 17'S).
 Loma de Chorrillos (12° 10'S).
 Loma de Atocongo (12° 08'S).
 Loma de Amancaes (12° 01'S).
 Loma de Amará (14° 4'S).
 Las lomas de Atiquipa (15 ° 48'S).
 Loma de Chala (15° 53'S).
 Loma de Ocoña (16° 30's) al norte de Camaná.
 Loma de Mollendo (16° 55'S) a 20 km al norte de Mejía.
52
Figura 2.11. Ubicación de las lomas a lo largo de la costa peruana. (Rundel et
al., 1991)
Hay varias lomas que destacan por su extensión y diversidad, como por
ejemplo la loma de Atiquipa, en la costa de Arequipa, de Lachay, en la costa
de Lima y de cerro Campana en la costa de La Libertad. (Ochoa, 1999).
2.2.3. Importancia de las lomas
Las lomas son centros de diversidad histórica y biológica, donde se

encuentran muchas especies silvestres, leña, forraje y madera. Además, las
lomas atenúan las condiciones de extrema aridez del desierto, situación que le
da un valor económico y relevancia (Jiménez et al., 1999).
En relación a la diversidad histórica, existen numerosas evidencias
arqueológicas de asentamientos prehispánicos en diversos lugares de las
lomas, como lo demostraron los investigadores: Edward Lanning y Thomas
Patterson, quienes estudiaron diversos asentamientos en la costa central, y,
mediante la técnica de carbono 14 determinaron que la ocupación, usos y
53
recursos de las lomas tienen una antigüedad aproximada entre 5350 y 4650
a.c. (Rostworowski, 1981). Asimismo, otro ejemplo en esta diversidad sería, la
reserva nacional de Lachay, la que cuenta con una fuerte presencia
prehispánica, donde se han encontrado arte rupestre; asimismo, la Tablada de
Lurín, donde se han encontrado campamentos temporales del periodo Arcaico
y Formativo. La historiadora María Rostworowski, señala que las lomas
tuvieron un rol muy importante en tres épocas diferentes
a) Época Preagrícola (forma de subsistencia basado en la recolección de

caracoles, complementado con la caza).
b) Época Agrícola arcaica.
c) Época Tardía cuando se practicaba una agricultura intensiva y extensiva.
(Rostworowski, 1981).
Dentro de la relevancia ambiental, tenemos a la loma de Atiquipa como la

más resaltante según su complejidad y magnitud, donde están la Quebrada de
la Vaca, (ver Figura 2.12), La Caleta y Cahuamarca y otras de menor
complejidad como: Moca, Silaca, Molle y Maguey (Canziani, 2002). También
en estas lomas, se han encontrado extensos complejos de terrazas agrícolas,
asociados a sistemas de irrigación artificial, (ver Figura 2.13) (Jiménez et al.,
1999).
54
Figura 2.12. Poblado de Quebrada de la Vaca en la loma de Atiquipa, vista
desde el sur del edificio público conocido como “Gran Almacén” (Canziani,
2002).
Figura 2.13. Loma de Atiquipa: terrazas de cultivo en la quebrada de Jihuay

(Canziani, 2002).
55
2.3. Índice de vegetación (IV)
Los índices de vegetación (IV) son datos que resultan del procesamiento de
imágenes satelitales, y que se convierten en una fuente importante para
monitorear la cubierta vegetal de la Tierra (Jiang et al., 2007).
El IV es el resultado de operaciones matemáticas de los valores
espectrales, los que son operados matemáticamente, de tal forma que el
resultado sea un número que muestre la cantidad o vigor vegetal dentro de un
píxel. Altos valores de IV identifican píxeles cubiertos de abundante vegetación
saludable (Jiang et al., 2007).
El principio en el que se sustenta la mayor parte de los índices de
vegetación se llama comportamiento radiométrico, que poseen las masas
vegetales. Es así, que la signatura espectral que caracteriza la vegetación
sana, muestra un claro contraste entre las bandas del espectro visible, en
especial la banda del rojo (0.6 a 0.7 µm) y la banda del infrarrojo cercano (0.7 a
1.1 µm), esto se da debido a que los pigmentos de las hojas absorben toda la
energía del espectro visible preferentemente el rojo y el azul; el verde, es
absorbido en menor cantidad y la gran parte reflejado. El ojo humano que solo
puede ver en el rango del visible, observa la reflexión dominante que es el color
verde. Las sustancias contenidas en las hojas afectan poco al infrarrojo
cercano, lo que permite separar la vegetación sana de otras cubiertas, (ver
Figura 2.14), cuanto mayor es la diferencia entre las reflectividades de las
bandas de infrarrojo cercano (IRC) y rojo (R) mayor será el vigor vegetal
(Chuvieco, 2002). El índice de vegetación más usado es el índice de diferencia
normalizada (The normalized difference vegetation index - NDVI).
56
2.3.1 Índice de vegetación de diferencia normalizada (NDVI)
El NDVI es un tipo de índice de vegetación que generara una imagen en la

que se muestra el verdor o la biomasa relativa, (ver Figura 2.15), el NDVI es
muy utilizado para hacer un seguimiento de la vegetación global, para evaluar
eventos de sequías, supervisar y predecir la producción agrícola, predecir
zonas con riesgo de incendio y cartografiar la desertificación, porque ayuda a
compensar los cambios en las condiciones de iluminación, la pendiente de la
superficie y la orientación (ArcMap, 2018).
El NDVI se calcula como una operación simple de dos bandas espectrales,
los valores de reflectancia del NIR y del Rojo.
(Ec. 01)
Figura 2.14. Espectros de reflectancia del trigo, suelo desnudo seco y suelo
desnudo mojado, donde las líneas discontinuas verticales indican los anchos
de banda aproximados de las bandas rojas y NIR de LANDSAT TM (Jackson y
Huete, 1991).
Dónde y son valores de reflectancia de superficie en los intervalos

de longitud de onda NIR (Infrarrojo Cercano (0.78 -0.89 ) y el Rojo
(0.61 -0.68 ) respectivamente (Weng, 2011).
57
Los valor del NDVI se encuentran entre -1.0 a +1.0, donde los valores
negativos indican áreas sin vegetación, tal como el agua, la nieve o las nubes,
y los valores positivos crecientes indican el aumento del vigor vegetal. Si el
NDVI < 0.2 indica que es un suelo desnudo, y si se encuentra entre 0.2< NDVI
<0.5, significa que está formado por píxeles mixtos, finalmente, si tenemos un
valor de NDVI > 0.5, podemos decir que nos encontramos frente a pura
vegetación (Sobrino, 2000).
Figura 2.15. Imagen global del NDVI con colores falsos elaborado usando el
algoritmo de composición Índice de vegetación MODIS (BRDF/ CV-MVC/ MVC)
(Huete et al., 1999)
Los diferentes tipos del NDVI varían según su resolución espacial, temporal
y provienen de diferentes sensores y satélites. En la Tabla 2.2 se ve el
siguiente resumen:
Tabla 2. 2. Presentación de diferentes tipos de NDVI. (Pettorelli et al., 2005)
58
2.3.2. Producto índice de vegetación MODIS
Los productos MODIS Terra se dividen en tres grupos:
1. Variables de balance de radiación (MOD09, MOD11, MOD43)

2. Variables de ecosistemas (MOD13, MOD15 , MOD17)
3. Características de la cobertura de la Tierra (MOD12, MOD14, MOD44,
MOD45).
Dentro del grupo, variables de ecosistemas se encuentra el producto MOD

13, que es un producto de índices de vegetación, (ver Tabla 2.2). A nivel
mundial se generan dos productos de índices de vegetación para regiones
terrestres, según (Didan et al., 2015): El primero es el Índice Normalizado de
Vegetación (NDVI), que es un producto que continúa al NDVI producido por el
NOAA-AVHRR. Existen datos globales de NDVI desde el año 1981 hasta el
año 2017, del sensor NOAA – AVHRR y MODIS; el segundo producto del
índice de vegetación, es el índice mejorado de vegetación (EVI); con una
sensibilidad mejorada, sobre altas regiones de biomasa y capacidad mejorada
de monitoreo de la vegetación, a través de un desacoplamiento de la señal del
fondo de la copa de los árboles y una reducción de la influencia de la atmósfera
(Didan et al., 2015).
Ambos índices de vegetación se complementan y mejoran la extracción de
parámetros biofísicos del Dosel, que es la cubierta vegetal formada por la copa
de los árboles. Existen 6 productos en MODIS IV:
1.- MOD13Q1: 16-días 250 m VI

2.- MOD13A1: 16- días 500 m VI
3.- MOD13A2: 16- días 1 k m VI
4.-MOD13A3: Monthly 1 km VI
5.- MOD13C1: 16- días 0.05 deg VI
6.- MOD13C2: Monthy 0.05 degVI
Los primeros tres productos calculan el índice de vegetación, utilizando

directamente la reflectancia de la superficie que viene a ser la serie de
59
productos MOD09. Los tres siguientes, utilizan productos de índice de
vegetación de resolución más fina, que se agrega a través del tiempo o el
espacio. El producto MOD13 A2 debe usar el producto MODIS de 250 m y 500
m para formar un producto de 1km, a través de un algoritmo de reflectancia
MODAGG que maneja el agregado de datos. El producto MOD13C1 se genera
utilizando un promedio espacial y reproyectando los datos de 1km (MOD13
A2). Los productos MOD13A3 y MOD13C2 son promedios temporales de las
versiones de 16 días (Didan et al., 2015).
2.4. SRTM - Shuttle Radar Topography Mission
El 11 de febrero del 2000, la NASA lanzó al espacio la misión topográfica

del Radar Shuttle Radar Topography Mission (SRTM) a bordo de la nave
especial Endeavour, con la finalidad de obtener información topográfica de todo
el planeta, la operación duró 10 días y el radar a bordo logró barrer la mayor
parte de la superficie terrestre (+/- 60 grados latitud), como se observa en la
Figura 2.16.
Figura 2.16. Área mapeada por la misión SRTM (Data Products, 2017)
Los datos adquiridos de la Tierra son de alta resolución y son de dos tipos El
primer tipo es de 3 segundos de arco que es equivalente a 1/1200 de un grado
de latitud y longitud ó 90m-píxel y el segundo tipo es de 1 segundo de arco que
60
equivale a 30m-píxel (Figura 2.17). Estos datos contienen agujeros “sin datos”
donde el agua o la sombra obstaculizaron la cuantificación de la elevación,
además, tienen un error vertical menor a 16 m (U.S.Releases Enhanced Shuttle
Land Elevation Data, 2017).
Figura 2.17. Comparación de dos imágenes SRTM de diferente resolución

para una misma área 90 m-píxel y 30 m-píxel (U.S.Releases Enhanced Shuttle
Land Elevation Data ,2017).
Los datos SRTM 90m están en el sistema de coordenadas geográficas

Datum WGS84, se descargan en mosaicos de 5 grados x 5 grados y están
disponibles en formato GeoTiff y ArcInfo ASCII. También, existen datos
resampleados del SRTM y se presentan en las siguientes versiones:
 1km (SRTM_1km_ASC, SRTM_1km_GRD)

 500 m ( SRTM_500m_GRD)
 250 m ( SRTM_SE_TIF ,SRTM_W_ASC, SRTM_W_TIF )
61
Para la resolución de 250m, el Perú se encuentra dentro de la imagen
satelital SRTM_W_250m (CGIAR CSI consortium for Spatial Information,2017).
2.5. Climatología
La Climatología o estudio de climas se encarga de estudiar los valores

medios de los elementos meteorológicos: la temperatura, la precipitación, la
humedad, la presión y los vientos de un lugar determinado. Estudiar valores
medios consiste en sumar diferentes estados del tiempo durante varios años, a
fin de clasificarlos, y del resultado, retener los aspectos principales de los
estados del tiempo pasado (Brenes y Saborío, 1995). La climatología utiliza
métodos estadísticos y métodos dinámicos basados en la mecánica general y
la termodinámica de la atmósfera, y considera factores geográficos tanto
regionales como locales, ya que estos influyen en el comportamiento de los
elementos del clima (Brenes y Saborío, 1995).
2.6 Métodos estadísticos
2.6.2. Máximo valor compuesto del NDVI
Consiste en obtener una imagen resultante de un periodo discreto de

observaciones, en la que cada píxel adquiere el máximo valor del NDVI
alcanzado durante el periodo discreto de observaciones. Esta forma de generar
una imagen determina el momento de mayor verdor dentro del periodo, por lo
tanto, la imagen tiene menor distorsión o contaminación por nubes u otros
factores atmosféricos (Yagüe, 2000).
62
CAPÍTULO 3: ÁREA DE ESTUDIO
3.1. Ubicación del área de estudio
El área de estudio está ubicada en la costa central del Perú y comprende

los departamentos de La Libertad, Ancash, Lima e Ica.
El área de estudio ha sido delimitada considerando dos parámetros: la
altitud de 0 – 1800 msnm y la latitud de 6.9°S – 15.4°S (Figura 3.1). La elección
de la altitud de 0 a 1800 msnm se debe, a que en ese rango de altitud se
presenta la capa de inversión de térmica, capa que restringe el ascenso de
nieblas en la zona costera, y hasta las estribaciones occidentales de los Andes,
produciéndose la condensación del vapor de agua que permite el desarrollo de
las loma. La elección de la latitud de 6.9°S – 15.4°S delimita latitudinalmente el
área de estudio.
Para fines de la investigación, el estudio de la climatología de las lomas de

la costa central se realiza por departamentos cuyas áreas se delimitan en la
figuras 32a, 32b,32c y 32d.
63
Figura 3.1. Área de estudio: la costa de los departamentos de La Libertad,
Ancash, Lima e Ica desde 0 m a 1800 msnm.
64
(a) Costa del departamento de La (b) Costa del departamento de Ancash,
Libertad, entre la línea de costa y la entre la línea de costa y la altitud de
altitud de 1800 msnm. 1800 msnm
(c) Costa del departamento de Lima, (d) Costa del departamento de Ica, entre
entre la línea de costa y la altitud de 1800 la línea de costa y la altitud de costa de
msnm. 1800 msnm.
Figura 3. 2. Costa central del Perú dividida por los departamentos de (a) La
Libertad, (b) Ancash, (c) Lima, (d) Ica.
65
3.2. Clima del área de estudio
La temperatura y la precipitación de la costa peruana constan de dos zonas

o dos regiones bien diferenciadas que son:
 La primera zona, al norte, por encima de 7° latitud sur, presenta un clima

subtropical con temperaturas media anuales superiores a 24,5°C y
temperaturas extremas de 15°C y 33°C en invierno y verano,
respectivamente, con una precipitación anual que varía entre 100 y 150 mm,
cantidad que es alterada por el fenómeno del Niño. Este fenómeno cambia
drásticamente el escenario, tal como fue en los años 1982 y 1983, donde
las precipitaciones alcanzaron entre 1000 y 4000 mm en tan solo 5-6 meses
(MINAN, 2011).
 La segunda zona, entre los paralelos 7 ° y 18° latitud sur, presenta un clima
templado con alta humedad atmosférica, la temperatura media oscila entre
los 19°C y 23°C. Las precipitaciones son escasas y menores a los 50
mm/año, se presentan en forma de lluvia fina, conocida como garúas o
lloviznas (MINAN, 2011).
El área de estudio está ubicada entre las latitudes sur 6.9° y 15.4°, por lo
tanto, el área de estudio se encuentra dentro de la segunda zona, de modo que
su clima es templado con alta humedad atmosférica.
66
3.3 Vientos
El viento costero de Perú se caracteriza por ser un chorro de viento a poca

altura a lo largo de la costa con su fuerza máxima en la capa límite atmosférica
por debajo de un kilómetro [Lettau y Rutllant-Costa, 1978]. Lettau [1978]
argumentó que el chorro promediado en el tiempo se debe principalmente al
contraste térmico entre el litoral oceánico fresco y el desierto costero más
cálido. Tanto el contraste de temperatura como el gradiente de presión
asociado disminuyen con la altura. El resultado es una superficie intensificada a
lo largo del viento geostrófico costero, que se combina con efectos de fricción
cerca de la superficie para producir un chorro de bajo nivel, centrado
aproximadamente sobre la costa. Las consideraciones termodinámicas
requieren una circulación costera (geostrófica) para transportar el aire enfriado
por el océano hacia tierra cerca de la superficie y exportar el aire calentado por
el desierto hacia el mar.
67
CAPÍTULO 4: DATOS Y RECURSOS
4.1. DATOS
En esta investigación se usan los siguientes datos:
 NDVI
 Topografía
 Precipitación
4.1.1. NDVI
Los datos NDVI tienen como nombre corto MOD13Q1, datos que fueron
tomados por el sensor MODIS a bordo del satélite Terra. El MOD13Q1 tiene un
nivel de procesamiento 3, resolución temporal de 16 días, resolución espacial
de 250 m y pertenecen a la colección 6. El MOD13Q1 ha sido producido desde
el mes de febrero del año 2000. Como la resolución temporal de las imágenes
satelitales es de 16 días, se obtienen datos en los siguientes días julianos 1,
17, 33, 49, 65, 81, 97, 113, 129, 145, 161, 177, 193, 209, 225, 241, 257, 273,
289, 305, 321, 337 y 353. De esta forma se cuenta con 23 imágenes satelitales
MOD13Q1 por año, y sólo en el año 2000 se contaron con 21 imágenes, lo que
hace un total de 342 datos imágenes producto MODIS NDVI.
4.1.1.1. Adquisición del NDVI
Los datos-producto MOD13Q1 han sido descargados de la página web1

“MODIS Reprojection Tool Web (MRTweb)” como se ve en un ejemplo en el
anexo A, esta página permite visualizar la grilla sinusoidal MODIS, donde cada
cuadrícula de la grilla se denomina Tile. Para visualizar el Perú, se han
seleccionado 5 tiles, llamados: h09v09, h10v9, h11v09, h10v10 y h11v10. Las
imágenes pertenecientes a estos tiles se pueden descargar en un solo mosaico
Figura. 4.1.
1
https://mrtweb.cr.usgs.gov/ fecha de acceso 12/2015
68
Figura 4.1. Presentación de la página MRTweb, en la parte superior izquierda
está la pestaña de productos, dentro de ella se despliegan varias opciones, la
opción seleccionada es el MOD13Q1 (NDVI Browser). Para obtener el área del
Perú se ha seleccionado 5 tiles (MRTweb, 2015), acceso 12/2015.
4.1.1.2. Clasificación del NDVI
Los días Julianos en la Tabla 4.1 son agrupados en meses. Cada mes
contiene dos datos satelitales a excepción del mes de octubre que cuenta sólo
con un dato satelital, el que es la imagen producida el día 289.
69
Tabla 4.1. Meses del año, el rango en días julianos y cantidad de datos por
mes.
Imágenes
Meses en
Mes MOD13Q1 por
días Julianos
mes
Enero ( 1-31 ) 1 y 17
Febrero ( 32-69 ) 33 y 49
Marzo ( 60-90 ) 65 y 81
Abril ( 91-120 ) 97 y 113
Mayo ( 121-151 ) 129 y 145
Junio ( 152-181 ) 161 y 177
Julio ( 182-212 ) 193 y 209
Agosto ( 213-243 ) 225 y 241
Setiembre ( 244-273 ) 257 y 273
Octubre ( 274-304 ) 289
Noviembre ( 305 -334 ) 305 y 321
Diciembre ( 335-365 ) 337 y 353
Las estaciones del año son: El otoño, que se inicia el 20 - 21 de marzo; el

invierno, que se inicia 21 – 22 de junio, la primavera, que se inicia el 23-24 de
setiembre y el verano, que se inicia 21-22 de diciembre (SENAMHI, inicios de
estación, 2018). Por cada estación se tiene un grupo de datos imágenes
MOD13Q1, como se muestra en la Tabla 4.2.
Tabla 4.2. Estaciones del año, el inicio de las estaciones en días Julianos y
cantidad de datos imágenes por estación.
Inicio de la Imágenes MOD13Q1 que

Estaciones Inicio de la
estación en días conforman las estaciones del
del año estación
Julianos año
Verano 21-22 Dic 355-356 1,17,33,49,65
Otoño 20-21 Mar 79-80 81,97,113,129,145,161
Invierno 21-22 Jun 172-173 177 , 193 , 209 , 225, 241 , 257
Primavera 23-24 Set 267-268 273 ,289 , 305 ,321 , 337 ,353
70
Las Tablas 4.1 y 4.2 sirven para hallar mapas mensuales y mapas
estacionales, por ejemplo, para obtener un mapa mensual promedio de enero
se emplean las imágenes satelitales de los días 1 y 17 de cada año en el
intervalo de tiempo de estudio. Para obtener un mapa estacional de otoño se
emplean las imágenes satelitales de los días 81, 97, 113, 145 y 161 de cada
año en el intervalo de tiempo de estudio. Para obtener una imagen promedio
que represente la estación de verano se procesarán 75 imágenes; para
invierno, otoño y primavera se procesan 90 imágenes por cada una de las
estaciones.
4.1.2. Topografía
Para hallar lomas de la costa central del Perú, además de usar las
imágenes satelitales producto NDVI (MOD13Q1), es necesario utilizar
imágenes satelitales que den información topográfica. Existen dos modelos de
información topográfica: ASTER (Advanced Spaceborne Thermal Emission and
Reflection Radiometer) y SRTM (Shuttle Radar Topographic Mission), el
primero de origen óptico, el segundo es de radar. Para este estudio se escogió
las imágenes SRTM de 90 m y de 250 m.
La NASA a través de la misión SRTM ha proporcionado datos digitales de

elevación DEM para más del 80% del globo terráqueo. Estos modelos de
elevación digital SRTM permiten ver la topografía de un área determinada.
Para esta investigación se ha utilizado datos de SRTM de 90 m y de 250 m

de resolución. Los datos SRTM 90m son utilizados para obtener los límites del
área de estudio y los datos SRTM 250 m son utilizados para caracterizar las
lomas.
71
4.1.2.1. Adquisición de SRTM 90
Se descargó el SRTM 90m de la página web “Afghanistan GeoNode”2.

Estos datos son proporcionados en mosaicos de 5 grados x 5 grados, cuya
información es la siguiente: Proj: Geographic Lat/Lon, Pixel: 0.000833 grados y
Datum: WGS-84. Para abarcar el área del Perú se tomaron las siguientes
imágenes: srtm_23_16, srtm_23_15, srtm_23_13, srtm_22_16, srtm_22_15,
srtm_22_14, srtm_22_13, srtm_21_16, srtm_21_15, srtm_21_14, srtm_21_13,
srtm_20_14 y srtm_20_13. En la Figura 4.2 se observa la imagen srtm_21_14.
Figura 4.2. Una Imagen satelital SRTM 21_14 de 90 m de resolución espacial

descargado en un mosaico de 5 grados.
2
http://disasterrisk.af.geonode.org/layers/geonode:srtm90m_wgs_utm42n (Acceso 09/2016)
72
4.1.2.2. Adquisición de SRTM250
Se descargó SRTM250 de la página web “Consortium for Spatial

3
Information” La imagen satelital que abarca el Perú se llama SRTM W 250,
como se ve en la Figura 4.3.
Figura 4.3. Imagen satelital SRTM_W_250 abarca América del sur donde los
colores indican altitud, esta imagen satelital abarca todo América del sur y la
mayor parte de América del Norte, en esta imagen se ha colocado los límites
del Perú y el área de estudio de la costa central del Perú.
3
http://www.cgiar-csi.org/data/srtm-90m-digital-elevation-database-v4-1 (Acceso 09/2016)
73
4.1.3. Datos de precipitación
Los datos de precipitación fueron obtenidos del Servicio Nacional de

Meteorología e Hidrología del Perú (SENAMHI)4. El SENAMHI tiene varias
estaciones meteorológicas distribuidas en diversa regiones del Perú, de las
cuales se han seleccionado 5 estaciones, teniendo en cuenta a las que se
encuentran lo más cercanamente posibles a las lomas. De ellas, 4 están
dentro del área de estudio: Estación Talla (7,28°S; 79,41°W) en La Libertad,
Buena Vista (9,43°S; 78,20°W) en Ancash, Lachay (11.36°S; 77,36°W ) en
Lima y Ocucaje (14.38°S; 75.68°W) en Ica.
Sólo la estación meteorológica de Lachay está dentro de una loma. Se ha
extraído la información de precipitación diaria desde el año 2000 hasta el 2014,
con las cuales se han elaborado series temporales. Estos datos tienen la
finalidad de ayudar a interpretar los resultados.
4.2. RECURSOS
Los recursos empleados para cumplir con los objetivos de la investigación

son
4.2.1. Software
Para extraer la información de las imágenes satelitales se usaron los

siguientes softwares
 ENVI 4.8: Para el procesamiento de imágenes satelitales.
 ArcGis 10.1: Para elaborar mapas en dos dimensiones.
 ArcScene 10.1: Para elaborar mapas en tres dimensiones.
 Timesat y Matlab: Para elaborar las series temporales y espectros de p
otencia .
 IDL: Para ejecutar programas implementados.
 TimeStats_IDL: Para hallar anomalías del NDVI.
 MiniTab: Para el análisis de series de tiempo.
4
http://www.senamhi.gob.pe/?p=descarga-datos-hidrometeorologicos Acceso 29/01/2018
.
74
4.2.2. Hadware
Se empleó las computadoras del Laboratorio de Teledetección (LABTEL) de

la facultad de Ciencias Físicas de la Universidad Nacional de San Marcos, una
computadora personal y discos externos para el almacenamiento de datos
satelitales.
75
CAPÍTULO 5: METODOLOGÍA Y DESARROLLO DE LA
INVESTIGACIÓN
Este capítulo describe la metodología y desarrollo de la investigación para

determinar y caracterizar la climatología de las lomas de la costa central del
Perú, usando datos-imágenes satelitales producto MODIS NDVI, que cubren el
periodo comprendido del 2000-2014, con una resolución espacial de 250 m x
250 m y una imagen satelital de radar SRTM250 que da información
topográfica de toda la costa central del Perú.
5.1 Metodología
Para desarrollar la presente investigación se ha seguido los pasos

metodológicos siguientes
1. Estudios preliminares:
 Revisión bibliográfica de los estudios realizados sobre las lomas.
.2. Adquisición de datos:
 Adquisición de datos del índice normalizado de vegetación (NDVI)
y de los modelos de elevación digital (Topografía).
 Adquisición de datos de campo de precipitación de las estaciones
meteorológicas ubicadas cerca del área de las lomas.
3. Delimitación del área de estudio:
 Delimitación física de la costa central del Perú, mediante software
ENVI y Modelos de elevación digital.
 División por departamentos a la costa central del Perú.
4. Procesamiento y análisis de datos:
 Delimitación de las lomas por departamentos:
 Cálculo del máximo valor compuesto del NDVI en el
periodo 2000-2014.
 Extracción de toda la vegetación ribereña de los mapas
máximo valor compuesto del NDVI.
76
 Determinación de la relación entre el NDVI y altitud a
través de perfiles topográficos.
 Reconocimiento del umbral de NDVI de las lomas.
 Elaboración de perímetros que encierran las lomas por
cada departamento.
 Ubicación del conjunto de lomas entre curvas de curvas
de nivel.
 Climatología de las lomas por departamentos:

 Análisis espacio-temporal: Cálculo de la variación de
áreas de las lomas por departamentos.
 Análisis temporal: Calculo de la variación mensual y
anual del NDVI de las lomas por departamentos
 Análisis de las series por medio del espectro de
potencia.
 Cálculos de las anomalías de la media anual de NDVI
por departamentos.
 Elaboración de series de tiempo de los datos de campo
de precipitación por un periodo de 15 años (2000-2014).
 Cálculo de la correlación entre datos de campo de
precipitación y las áreas de las Lomas.
5. Documentación de resultados.
La secuencia de los pasos se muestra en el
Diagrama 5. 1 de flujo
77
Adquisición de datos
Datos satelitales Datos meteorológicos
SRTM90 MOD13Q1 SRTM250

Precipitación
(Topografía) (NDVI) (Topografía)
Perímetros
departamentales
Perímetro de la
costa central
Perímetro de las lomas

de la costa central
Topografía de
las lomas
NDVI de las lomas
Máximo compuesto del

NDVI de las lomas
Anomalías del Variación mensual Serie Perfil topográfico

NDVI de las del NDVI de las temporales de
lomas las lomas Umbral NDVI
lomas
Área de las
Espectro de potencia lomas
de las lomas
Grado de
correlación
Climatología de las Lomas de la
Costa Central del Perú usando
Datos Imágenes de Satélite
Diagrama 5. 1 Esquema general de la metodología de la investigación de la

climatología de los ecosistemas de las lomas de la costa central del Perú
usando datos imágenes de Satélite
78
5.2 Desarrollo de la investigación
Este procedimiento se ha dividido en 4 partes:
 Obtención del perímetro de la costa central del Perú.

 Discriminación de la vegetación y elaboración del perímetro de las lomas
por departamentos.
 Caracterización de la vegetación de las lomas.
 Cálculo de la climatología de las lomas.
5.2.1. Obtención del perímetro de la costa central del Perú
Para obtener el perímetro de la costa central del Perú se han usado dos
tipos de datos: SRTM90 y los perímetros departamentales de La Libertad,
Ancash, Lima e Ica. Con la imagen SRTM90 se limita altitudinalmente el área
de estudio, que va desde 0 hasta 1800 msnm y con los límites departamentales
se delimita latitudinalmente. La secuencia de pasos para obtener el perímetro
de la costa central del Perú se muestra en el Diagrama 5. 4.
79
Adquisición de
Datos
Descarga de La Libertad
Descarga de los
SRTM 90 Ancash
Perímetros
Lima
Departamentales
Ica
Fusionar los 4
Perímetros
Departamentales
Crear Mosaico
SRTM 90
Recorte
Creación: Topografía de la
fusión de los 4 perímetros
Eliminar Área de la
pixeles > 1800 msnm Costa Central
Extracción del
perímetro
Perímetro de la Costa
Central del Perú
Diagrama 5. 2. Procedimiento para obtener el perímetro de la costa central

del Perú
5.2.1.1 Tratamiento de datos para la obtención del perímetro de la costa

central
La costa central es delimitada usando datos del modelo de elevación digital
SRTM90 y los límites departamentales de la Libertad, Ancash, Lima e Ica. Se
hace un mosaico con las siguientes imágenes SRTM90 : srtm 23_16 ,
srtm_23_15 , srtm_23_13 , srtm_22_16, srtm 22_15, srtm 22_14, srtm 22_13 ,
80
srtm 21_16, srtm 21_15, srtm 21_14 , srtm 21_13 , srtm 20_14 , srtm 20_13 y
se obtiene la topografía del Perú Figura 5.1.
Figura 5.1. Mapa topográfico del Perú, elaborado con las imágenes satelitales
SRTM90 y los límites departamentales de La Libertad, Ancash, Lima e Ica.
81
Se recorta este mapa usando los límites departamentales antes
mencionados y se retiran los píxeles con altitudes mayores a 1800 msnm,
quedando así una imagen delimitada por la altitud, como se muestra en la
Figura 5.2. El contorno de la imagen resultante representa el perímetro de la
costa central del Perú.
Figura 5.2. Mapa topográfico de la costa central del Perú, elaborado con las
imágenes satelitales SRTM90 en donde los colores indican altitud.
82
5.3. Discriminación de la vegetación y elaboración del perímetro de las
lomas por departamentos
Después de obtener el perímetro de la costa central del Perú, el siguiente

paso es, distinguir la vegetación de las lomas del resto de vegetación existente
dentro del área de estudio y elaborar sus perímetros por departamentos. Para
ello se utilizan las imágenes satelitales MOD13Q1 desde febrero del año 2000
hasta diciembre del 2014. La secuencia de pasos realizados se muestra en el
Diagrama 5.3.
83
Adquisición de Perímetro de la Costa
Datos Central del Perú
Descarga de MOD13Q1
Clasificación por
estaciones del año
Creación del mapa Creación del mapa Creación del mapa

de invierno de otoño Max. NDVI
Corte utilizando
perímetro de la costa
Crear
Mapa Max. valor Mapa promedio Mapa Max. valor

compuesto NDVI invierno NDVI otoño compuesto NDVI
Creación del mapa de

vegetación de valles
Elaboración de
perímetros de valles
Discriminación de Mapa de vegetación

vegetación ribereña de lomas
Delimitación de los
ecosistemas de las lomas
Perímetro de las lomas de la

costa central
Diagrama 5. 3 Procedimiento para obtener los perímetros de las lomas de

la costa central del Perú.
84
5.3.1. Tratamiento de datos para la discriminación de la vegetación y
obtención del perímetro de las lomas por departamentos
Para discriminar la vegetación de las lomas y obtener el perímetro de éstas

por departamentos se desarrollan 4 actividades:
1. Se elabora el perímetro de la vegetación ribereña dentro de la costa central

del Perú.
2. Se elabora una imagen satelital con información de la máxima vegetación
desarrollada en la costa central del Perú entre los años 2000 y 2014.
3. Se extrae la vegetación ribereña y pie de monte andino.
4. Se elaboran perímetros de la vegetación resultante, considerado
potenciales lomas.
5.3.1.1. Elaboración del perímetro de la vegetación ribereña dentro de la

costa central del Perú
En el área de estudio existen dos tipos de vegetación: la vegetación

ribereña y la vegetación de las lomas (Veblen et al., 2007). La vegetación
ribereña es producida por los ríos que provienen de los Andes y que tienen
suficiente flujo para atravesar la costa, asimismo, la vegetación de las lomas es
producida por las nieblas que se forman aproximadamente entre 200 y 1500
msnm. En base a ello, se delimita el perímetro de la vegetación ribereña, para
luego eliminarla del área de estudio, ya que no es de interés para la presente
investigación.
Las lomas son ecosistemas estacionales, donde, la estación de otoño es el

periodo seco y la estación de invierno es el periodo de abundante vegetación.
Teniendo en cuenta estos dos casos, se elaboran dos mapas: el mapa
promedio NDVI de la estación de otoño y el mapa máximo valor compuesto del
NDVI de la estación de invierno, para lo cual se utilizan imágenes satelitales
MOD13Q1 agrupadas, como se especifica en la Tabla 4.2 del Capítulo de
Datos y Recursos, esquematización en la Figura.5.3. En el mapa promedio
85
NDVI de otoño se observa la vegetación promedio desarrollada durante los 15
años que abarca el estudio (Figura 5.4); en el mapa máximo valor compuesto
NDVI de invierno se observa la máxima vegetación desarrollada en 15 años
(Figura 5.5). La vegetación que permanece invariable o constante en ambos
mapas (otoño e invierno) representa la vegetación ribereña, de la que se extrae
el perímetro para dividirlo por departamentos como se observa en la Figura 5.6.
Invierno Otoño
2000 2000
Invierno Otoño
2013 2013
Invierno Otoño
(2014) 2014
Max valor Compuesto NDVI Promedio NDVI

Invierno Otoño
Figura 5.3. Esquema de agrupación de imágenes satelitales MOD13Q1 para la

obtención de un mapa promedio NDVI de otoño y un mapa del máximo valor
compuesto NDVI de invierno del periodo 2000-2014.
86
Figura 5.4. Mapa promedio del NDVI de otoño de la costa central del Perú del
periodo 2000-2014.
87
Figura 5.5. Mapa de máximo valor compuesto del NDVI de invierno desde el
2000-2014 de la costa central del Perú.
88
(1) Perímetro de la vegetación (2) Perímetro de la vegetación ribereña
ribereña de la costa de La Libertad y de la costa de Ancash y de la
de la vegetación de pie de monte. vegetación de pie de monte.
(3) Perímetro de la vegetación (4) Perímetro de la vegetación ribereña

ribereña de la costa de Lima. de la costa de Ica.
Figura 5.6. Perímetros de la vegetación de valles y pie de monte de la costa

central del Perú.
89
5.3.1.2. Elaboración de una imagen satelital con información de la máxima
vegetación desarrollada en la costa central del Perú entre los años 2000 y
2014
La máxima vegetación desarrollada entre los años 2000-2014 en la costa

central del Perú se obtiene sacando el máximo valor compuesto NDVI a las 342
imágenes satelitales MOD13Q1 (Figura 5.7), haciendo uso de un programa
desarrollado en IDL como se ve en el Anexo B.
90
Figura 5.7. Mapa de máximo valor compuesto del NDVI (MOD13Q1), donde se
observa la máxima vegetación desarrollada por las riberas, áreas de cultivo y
las lomas, en el periodo 2000- 2014, en la costa central del Perú.
91
5.3.1.3. Extracción de la vegetación ribereña (valles)
Con los perímetros digitales de la vegetación ribereña Figura 5.6 se elimina

por cada departamento toda la vegetación ribereña del mapa máximo valor
compuesto del NDVI obtenido en la sección 5.3.1.2, esto incluye eliminar valles
y cadenas de vegetación que se forman en los límites más altos del pie del
monte andino.
5.3.1.4. Elaboración de los perímetros de la vegetación resultante,

considerado potenciales lomas
Después de la extracción de la vegetación ribereña en cada departamento,

han quedado grupos de vegetación, cerca del pie de monte andino, al lado de
los valles y entre los valles, como se ve en la Figura 5.8. De estos grupos se
selecciona sólo la vegetación entre valles y visualmente se comprueba con el
Google Earth, de que estos no forman parte de cultivos agrícolas, como se
muestra en la Figura 5.9.
92
Valle
Jequetepeque
Valle
Chicama
Vegetación
cerca de
Pie de
mmonte
Andino
Valle
Moche
Vegetación
entre valles
Valle
Virú
Vegetación
Colindante a los valles
Valle
Chao
Figura 5.8. Costa del departamento de La Libertad y la vegetación resultante,

después de la extracción de la vegetación de los valles y pie de monte andino
93
Figura 5.9. Lomas entre los valles de Chicama y Moche. Imagen de Google
Earth donde se realiza la inspección de la topografía de la vegetación entre
valle y valle para verificar que no son zonas agrícolas (Google Earth Pro,
2015), acceso 06/11/2018.
La vegetación entre valles es agrupada como un solo perímetro por cada

departamento, obteniendo así, los siguientes perímetros:
 Perímetro de las lomas de la costa de La Libertad,

 Perímetro de las lomas de la costa Ancash,
 Perímetro de las lomas de la costa de Lima,
 Perímetro de las lomas de la costa de Ica.
Con el fin de observar espacialmente entre qué altitudes se encuentran los

perímetros elaborados, se utiliza la imagen satelital topográfica SRTM 90m, de
donde se extraen 2 curvas de nivel, una de 200 msnm y la otra de 800 msnm.
Estas curvas son colocadas en los mapas de los perímetros de las lomas de
los departamentos de La Libertad, Ancash, Lima e Ica, para observar entre que
altitudes se encuentran los grupos de lomas.
94
5.4. Caracterización de las lomas.
Para la caracterización de las lomas se utilizan dos datos de la misma

resolución espacial: NDVI (MOD13Q1) y Topografía (SRTM250). Con el SRTM
250 se elabora un mapa topográfico de la costa central, con una resolución de
250 m x 250 m (Figura 5.10), y con el MOD13Q1 se elabora el mapa de
máximo valor compuesto del NDVI (Figura 5.7), de ambos mapas se retira toda
la vegetación y la topografía de los valles y se identifican las lomas, usando los
perímetros de las lomas halladas en la sección 5.3.1.4. Luego, se selecciona
una loma y se elabora un perfil topográfico que la atraviesa, con inicio en la
línea de costa, Figura 5.11. Este perfil topográfico es un conjunto de puntos
discretos georeferenciados que son ubicados en el mapa topográfico y el mapa
de máximo valor compuesto de NDVI; por cada punto del perfil, se extrae la
información de NDVI y altitud, el conjunto de puntos para ambos indicadores se
grafica (Figura 5.12). De las gráficas correspondientes al NDVI y topografía se
determina el umbral de la loma que es, aproximadamente, el punto a partir del
cual el NDVI aumenta repentina y sostenidamente con la altitud hasta alcanzar
los valores máximos de NDVI y la correspondiente altitud es la altitud máxima
de la loma. La secuencia de pasos para caracterizar las lomas de la costa
central se muestra en el Diagrama 5.3.
95
Datos de Archivos
Satélites implementados
SRTM 250 MOD13Q1 Perímetro de la Perímetro de Perímetro de

costa central valles lomas
Mapa topográfico Mapa máximo
del Perú compuesto NDVI
RECORTE
Topografía de la RECORTE
costa central del Mapa máximo valor
Perú compuesto NDVI de la
costa central del Perú
RECORTE
INTEGRACIÓN
RECORTE
Topografía de la
costa central sin
Mapa máximo valor compuesto
valles
NDVI de la costa central del
Perú sin valles
INTEGRACIÓN
Mapa máximo valor compuesto

NDVI de la costa central del
Perú con lomas localizadas
Topografía de la
Valores NDVI a lo
costa central con Perfil topográfico
largo del perfil
lomas localizadas
Valores de elevación a
lo largo del perfil
Relación NDVI versus

elevación
Grado de Umbral
correlación NDVI
Diagrama 5. 4 Procedimiento para obtener el umbral del NDVI de formación

de lomas y el grado de correlación entre NDVI y altitud.
96
5.4.1 Lomas caracterizadas con un perfil topográfico
Se seleccionan siete lomas ubicadas a lo largo de la costa central, las que

son caracterizadas para sacar el promedio del valor umbral del NDVI y su
ubicación altitudinal, dato que se utiliza para calcular el área total de las lomas
de cada costa de los departamentos mencionados.
Estas lomas son:
 Loma de cerro Campana y de cerro Chiputur en la costa de La Libertad.
 Loma de cerro Mongón y de cerro Lupín en la costa de Ancash.
 Loma de Lachay en la costa de Lima.
 Loma de Amará en la costa de Ica.
Por cada loma se crea los siguientes perfiles:
a. En la costa de La Libertad:
 Loma del cerro Campana: Perfil AB con coordenadas en A: 8.0°S, 79.1°
W y en B: 7.9°S, 79.1°W
 Loma del cerro Chiputur: Perfil B’C con coordenadas en B’: 8.3°S, 78.9°
W y en C: 8.1° S, 78.9°W
b. En la costa de Ancash:
 Loma del cerro Mongón: Perfil: C’D con coordenadas en C’: 9.7°S, 78.3°
W y en D: 9.6°S, 78.3°W
 Loma del cerro Lupín: Perfil: D’E con coordenadas en D’: 10.5°S, 77.9 W
y en E: 10.4°S, 77.8°W
c. En la costa de Lima:
 Loma de Lachay: Perfil: E’F con coordenadas en E’ 11.5°S, 77.4°W y en
F: 11.3°S, 77.4°W
d. En la costa de Ica:
 Loma de Amará: Perfil: MN con coordenadas en M: 14.7°S, 75.8°W y
N: 14.7°S, 75.7°W
La información de NDVI y Altitud por cada perfil se muestra en el anexo B.
97
Figura 5.10. Topografía de la costa central del Perú (SRTM250), la paleta que
se encuentra a la izquierda indica la altitud por colores. Se observa que dentro
de esta región la máxima altitud es de 1800 m.
98
Figura 5.11. Imagen satelital SRTM30, graficada en 3D, con el perímetro de los
valles, el perímetro de las lomas de La Libertad y un perfil topográfico RS que
pasa por la loma de cerro Negro y el valle de Virú, en la costa del departamento
de La Libertad.
En la Figura 5.12 se observa la relación del NDVI y la altitud, tanto en el

valle de Virú como en la loma de cerro Negro. En el valle de Virú el NDVI
incrementa y la altitud permanece casi constante, es decir, no supera los 200
msnm. Mientras que, en la loma de cerro Negro los valores de NDVI
incrementan con la altitud, para esta loma en particular, el umbral de NDVI de
formación de la loma es de 0.46 y está ubicado a una altura de 199 msnm, el
máximo valor NDVI que toma es 0.9 y está a una altura aproximada de 800
msnm.
99
Figura 5.12. Relación entre el NDVI y la altitud en el valle de Virú y en la loma
de cerro Negro.
5.5. Cálculo de la climatología de las lomas
Para el cálculo de la climatología de las lomas se emplean las 342

imágenes satelitales MOD13Q1 y datos de precipitación de estaciones
meteorológicas para interpretar los resultados.
5.5.1. Variación espacio-temporal del área de las lomas por

departamentos
El análisis espacial de las lomas consiste en calcular el área de estas por

año, entre el 2000 – 2014, de la costa de cada departamento. Para lo cual, se
halla el máximo valor compuesto de NDVI por año, obteniendo así 15 imágenes
(Figura 5.13). De estos 15 mapas, se analiza sólo la vegetación dentro de los
perímetros de las lomas, el cual consiste en contabilizar la cantidad de píxeles
que tienen valores entre el umbral NDVI promedio y 1. Como cada píxel tiene
una resolución espacial de 250 m x 250 m, el área de un pixel es 62500 m2,
este valor se multiplica por la cantidad de píxeles. Cabe resaltar que el valor del
umbral promedio es calculado en la Sección 5.4.1 y este consiste en hallar un
promedio de los umbrales obtenidos de los 7 perfiles topográficos, es decir, hay
100
7 umbrales y el promedio de estos es con el que se trabaja en esta sección.
Finalmente, los resultados se presentan en un gráfico, área de las lomas vs
tiempo. Este análisis permite saber en qué años las lomas tienen abundante
vegetación y qué años se reduce esta vegetación.
2014
2001 2002
23
Max C -NDVI Max C -NDVI

Max C -NDVI
2002
2014
Figura 5.13. Agrupación anual de las 342 imágenes producto MODIS NDVI.
5.5.2 Variación temporal del NDVI de las lomas
Se emplean los 342 datos MOD13Q1 recortadas con los perímetros de las
lomas por cada departamento, se halla la variación mensual del NDVI y las
series de tiempo del NDVI.
5.5.2.1 Variación mensual del NDVI de las lomas de la costa central de

Perú
Para hallar la variación mensual de las lomas por departamento se emplea la
tabla 4.1 por cada mes se saca el promedio y la desviación estándar luego se
grafica NDVI vs meses.
101
5.5.2.2. Series de tiempo de las lomas de la costa central del Perú
Las series de tiempo del NDVI consiste en ver como varía el NDVI de las
lomas a lo largo de los 15 años referidos para este estudio, Figura 5.14. Por
cada imagen satelital de NDVI se saca un píxel promedio de los píxeles que
están dentro de los perímetros de las lomas, lo que da como resultado 342
píxeles promedio del NDVI, que son graficados como el NDVI vs. años. Este
procedimiento se realiza con los perímetros de las lomas de la costa de los 4
departamentos, obteniéndose 4 series temporales.
1
NDVI
Figura 5.14. Esquema de agrupación de las imágenes satelitales para obtener

las series temporales del NDVI vs años.
102
5.5.3. Anomalías de la media anual del NDVI de las lomas por
departamento
El cálculo de la anomalía de la media anual del NDVI de las lomas se

obtiene:
1. Primero, se halla el mapa de máximo valor compuesto del NDVI de la
costa central por cada año, desde el 2000 al 2014, obteniéndose así 15
imágenes satelitales.
2. Luego se saca el promedio de las quince imágenes satelitales.
la anomalía de un año se calcula como la diferencia entre el mapa de

máximo valor compuesto del NDVI de ese año, menos la imagen promedio de
las 15 imágenes satelitales. De la imagen resultante de esta operación se saca
un píxel promedio de todos los pixeles que se encuentran dentro de los
perímetros de las lomas, así se obtienen 15 puntos, que se grafica como
anomalía vs años.
5.5.4. Series de tiempo de datos diarios precipitación
Con los datos diarios de precipitación se elaboran 5 series de tiempo de

datos diarios de precipitación, obtenidos de las estaciones meteorologías de
Talla en La Libertad, Buena Vista en Ancash, Lachay en Lima y Ocucaje en Ica
, estaciones que se encuentran dentro de la costa central del Perú.
103
CAPÍTULO 6: RESULTADOS
En este capítulo se describe los resultados de la aplicación de la metodología

desarrollada e implementada en la presente investigación sobre la climatología
del ecosistema de las lomas de la costa central del Perú. Los resultados se
agrupan por departamentos: La Libertad, Ancash, Lima e Ica y no de las lomas
individuales.
6.1. Perímetro de la costa central
Al extraer el contorno del mapa topográfico, tal como se ve en la Figura. 5.2

del Capítulo 5: Desarrollo de la Investigación, se obtiene como resultado el
perímetro del área de estudio, el cual se muestra como una franja delgada
(Figura 6.1), que abarca la costa central del Perú que va desde 6.9°S – 15.4°S
y tiene una extensión que va desde 0 a 1800 msnm.
104
Figura 6.1. Perímetro del área de estudio: costa central del Perú.
105
6.2. Discriminación de la vegetación y elaboración del perímetro de las
lomas por departamentos
En esta sección se muestra los mapas de máximo valor compuesto del NDVI
sin la vegetación ribereña, donde se identifica las áreas de la vegetación de las
lomas con sus respectivos perímetros. Todo ello como resultado del proceso de
discriminación de la vegetación ribereña por departamentos.
6.2.1. Discriminación de la vegetación ribereña de los valles de La

Libertad
La costa del departamento de La Libertad que se encuentra entre 0 – 1800

msnm, tiene cinco valles principales: Jequetepeque, Chicama, Moche, Virú y
Chao. Del mapa de máximo valor compuesto del NDVI (2000-2014) de la costa
de La Libertad (Figura 6.2), se eliminan los cinco valles y la vegetación de pie
de monte andino (Figura 6.3), da como resultado: grupos de vegetación entre
los valles, grupos de vegetación cerca al pie de monte andino y grupos de
vegetación que colindan con los valles (Figura 6.3). De estos grupos sólo se
selecciona la vegetación entre valles, la cual se integra en un sólo bloque
denominado perímetro del área de las lomas de la costa de La Libertad (Figura
6.4).
106
departamento de La Libertad que presenta la máxima vegetación desarrollada
en el periodo 2000-2014.
107
Valle
Jequetepeque
Valle
Chicama
Pie de
Monte
Andino
Valle
Moche
Valle
Virú
Valle
Chao
departamento de La Libertad, sin la vegetación ribereña y pie de monte andino.
108
Figura 6.4. Perímetro del área las lomas de la costa de La Libertad conformado
por cinco contornos.
Después de ubicar el perímetro de las lomas de La Libertad entre las curvas

de nivel de 200 msnm y 800 msnm, se observa que el perímetro de la lomas de
La Libertad tiene una altitud mínima de alrededor de los 200 msnm y
sobrepasan los 800 msnm (Figura 6.5).
109
Figura 6.5. Mapa de la costa del departamento de La Libertad con las curvas
de nivel de 200 msnm y 800 msnm, y el perímetro de lomas de la costa de La
Libertad.
6.2.2. Discriminación de la vegetación ribereña de los valles de Ancash
La costa del departamento de Ancash que se encuentra entre 0 – 1800

msnm, tiene cinco valles principales: El Santa, Culebras, Nepeña, Casma y
Huarmey.
Del mapa de máximo valor compuesto del NDVI (2000-2014) de la costa de
Ancash (Figura 6.6), se eliminan los cinco valles y la vegetación de pie de
monte andino (Figura 6.7), dando como resultado grupos de vegetación entre
110
algunos valles, pequeños grupos de vegetación que colindan con los valles y
reducidos grupos de vegetación cerca al pie de monte andino (Figura 6.7). De
estos grupos, sólo se selecciona la vegetación de entre valles, la cual se
integra en un solo bloque denominado el perímetro de las lomas de la costa de
Ancash (Figura 6.8).
Figura 6.6. Mapa de máximo valor compuesto del NDVI (2000 -2014) de la
costa del departamento de Ancash. Presenta vegetación desarrollada a lo largo
de 15 años (2000-2014).
111
Figura 6.7. Mapa máximo valor compuesto del NDVI de la costa del
departamento de Ancash, sin la vegetación ribereña y sin la vegetación del pie
de monte andino.
112
Figura 6.8. Perímetro de las lomas de la costa de Ancash conformado por
cuatro contornos cerrados.
Después de ubicar el perímetro del área de las lomas de la costa de Ancash

entre las curvas de nivel de 200 msnm y 800 msnm, se observa que de los 4
contornos que forman el perímetro de las lomas de Ancash, tres tienen sus
bases cerca a los 200 msnm, mientras que el cuarto contorno, sobrepasa los
200 msnm, Figura 6.9.
113
Figura 6.9. Mapa de la costa del departamento de Ancash con las curvas de
nivel de 200 msnm y 800 msnm y el perímetro de las lomas de Ancash.
114
6.2.3. Discriminación de la vegetación ribereña de los valles de Lima
La costa del departamento de Lima que se encuentra entre 0 – 1800 msnm,

tiene ocho valles principales: Fortaleza, Pativilca, Huaura, Chancay, Chillón,
Rímac, Lurín y Cañete.
Lima (Figura 6.10), se eliminan los ocho valles (Figura 6.11), da como resultado
numerosos grupos de vegetación entre los valles y grupos de vegetación que
colindan con los valles (Figura 6.11). De estos grupos sólo se seleccionan la
vegetación entre valles, la cual se integra en un solo bloque denominado
perímetro de las lomas de la costa de Lima (Figura 6.12).
115
Figura 6.10. Mapa de máximo valor compuesto del NDVI (2000-2014) de la
costa del departamento de Lima. Presenta la máxima vegetación desarrollada a
lo largo de 15 años (2000-2014).
116
Valle Fortaleza
Valle Pativilca
Valle Huaura
Valle Chancay
Valle Chillón
Valle Rímac
Valle Cañete
Figura 6.11. Mapa de máximo valor compuesto del NDVI de la costa de Lima,
sin vegetación ribereña.
117
Figura 6.12. Perímetro de las lomas de la costa de Lima conformado varios
contornos.
Después de ubicar el perímetro de las lomas de la costa de Lima entre las

curvas de nivel de 200 msnm y 800 msnm, se observa que la mayoría de los
contornos que forman el perímetro de las lomas de Lima, tienen sus bases
cerca a los 200 msnm, mientras que algunos se encuentran alrededor de los
100 msnm (Figura 6.13).
118
Figura 6.13. Mapa del departamento de la costa de Lima con las curvas de
nivel de 200 msnm y 800 msnm y el perímetro de las lomas de Lima.
119
6.2.4. Discriminación de la vegetación ribereña de los valles de Ica
La costa del departamento de Ica que se encuentra entre 0 – 1800 msnm,

tiene cinco valles principales: Pisco, Chincha, Ica, Nazca y Palpa.
Ica (Figura 6.14), se eliminan los cinco valles (Figura 6.15), que da como
resultado, pequeños grupos de vegetación cerca de la línea de costa (Figura
6.15), los se agrupa en un solo bloque denominado perímetro de las lomas de
la costa de Ica (Figura 6.16).
Figura 6.14. Mapa de máximo valor compuesto del NDVI (2000 – 2014) de la
costa del departamento de Ica. Se presenta la máxima vegetación desarrollada
a lo largo de 15 años (2000-2014).
120
Figura 6.15. Mapa de máximo valor compuesto del NDVI de la costa de Ica, sin
la vegetación ribereña.
121
Figura 6.16. Perímetro de las lomas de la costa de Ica conformado por tres
contornos.
122
Figura 6.17. Mapa de la costa del departamento de Ica con las curvas de nivel
de 200 msnm y 800 msnm y el perímetro de las lomas de la costa de Ica.
6.2.5 Resumen gráfico de la delimitación del área de las lomas
Este apartado muestra un resumen gráfico de los resultados de la sección

6.2 de este capítulo. En cada uno de los mapas de la Figura 6.18 se observan
los perímetros de las lomas identificadas por departamentos. Los territorios
dentro de estos perímetros constituyen el área final para el análisis del NDVI de
las Lomas de cada departamento.
123
(a) Perímetro de las lomas de la costa (b) Perímetro de las lomas de la costa
de La Libertad. de Ancash.
(c) Perímetro de las lomas de la costa (d) Perímetro de las lomas de la costa
de Lima. de Ica.
Figura 6.18. Perímetro del área de las lomas identificadas por departamentos
124
6.3. Caracterización de las lomas de la costa central
En esta sección se presentan los siguientes resultados por cada loma
 Un mapa de máximo valor compuesto del NDVI y un mapa topográfico,

ambos con sus respectivos perfiles.
 La relación entre el NDVI y la altitud del mapa topográfico a través de un
perfil topográfico que pasa por una loma.
 La visualización en tres dimensiones (3D) de la loma evaluada.
6.3.1. Caracterización de las lomas de la costa del departamento de La

Libertad
En la costa del departamento de La Libertad se muestran los resultados de

la evaluación de las lomas de cerro Campana y cerro Chiputur.
6.3.1.1 Loma de cerro Campana
El cerro Campana se encuentra dentro del perímetro de las lomas de la

costa de La Libertad. En esta loma se traza el perfil AB, dicho perfil inicia en la
línea de costa, punto A (8.0°S, 79.1°W) y finaliza pasando toda la vegetación
de la loma de cerro Campana punto B (7.9°S, 79.1°W), como se muestra en las
Figuras 6.19-a y 6.19-b.
125
(a) (b)
Figura 6.19. Mapas de la loma cerro Campana: (a) Mapa de máximo valor
compuesto del NDVI MOD13Q1 (2000-2014) y (b) Mapa topográfico (SRTM
250), ambos, con el perfil AB que atraviesa la loma de cerro Campana, de
coordenadas en A: 8.0° S, 79.1° W y en B: 7.9° S, 79.1° W, donde los colores
indican los valores del NDVI y los niveles de altitud.
La relación entre el NDVI y la altitud en la loma cerro Campana se presenta

en la Figura 6.20. En esta gráfica se puede observar, que a una distancia
aproximada de 6.5 km de la línea de costa (punto A), a una altitud de 261
msnm y con un valor del NDVI igual a 0.27, el valor del NDVI comienza a
aumentar a medida que aumenta la altitud, hasta alcanzar un valor máximo de
0.79 que corresponde a una altitud aproximada de 517 msnm, a partir de este
punto, el NDVI empieza a disminuir aun cuando sigue aumentando la altitud.
En el punto donde comienza a incrementar el NDVI con la altitud, el valor
que toma el NDVI, es el valor del umbral de NDVI de formación de la loma
cerro Campana, el cual equivale a 0.27. El grado de correlación entre el NDVI y
la altitud en la loma de cerro Campana es de 0.78 (Figura 6.21), que es
126
calculado desde que el NDVI toma el valor del umbral, hasta el punto en que
cae drásticamente (Figura 6.20).
1200
Altitud
NDVI
1000 0.835
0,79
800 0.668
Altitud (msnm)
N
600 0.501 D
V
517 msnm
400 0,27 0.334 I
200 261 msnm 0.167
0 0
0 2 4 6 8 10 12
A Distancia a la linea de costa (km) B
Figura 6.20. Variación del NDVI con la altitud, a través del perfil AB que pasa
por la loma de cerro Campana. En azul: la variación de la altitud entre los
puntos AB de la Figura 6.19a. En rojo: la variación del NDVI entre los puntos A-
B de la Figura 6.19b. Las líneas verticales indican la región en la que el NDVI
incrementa a medida que aumenta la altitud.
127
1
0.9
y = 0.002x - 0.1439
0.8 R= 0.78
0.7
0.6
NDVI
0.5
0.4
0.3
0.2
0.1
0
0 100 200 300 400 500 600
Altutitud (msnm)
Figura 6.21. Relación del NDVI vs. Altitud, obtenida del perfil AB que pasa por
la loma cerro Campana, donde el grado de correlación entre la altitud y el NDVI
es 0.78.
El cerro campana visualizado en tres dimensiones (Figura 6.22) con el perfil AB

que inicia en la línea de costa y atraviesa toda la loma y los colores indican
niveles de altitud con respecto al mar.
Altitud (msnm)
7.84 - 86.2
86.3 - 180
181 - 274
275 - 368
369 - 462
463 - 548
549 - 635
636 - 721
722 - 815
816 - 909
910 - 1,000
1,010 - 1,100
1,110 - 1,180
1,190 - 1,280
1,290 - 1,370
1,380 - 1,470
1,480 - 1,550
1,560 - 1,640
1,650 - 1,720
1,730 - 1,850
Figura 6.22. Mapa 3D de la loma de cerro Campana, ubicada en la
128
costa de La Libertad y el perfil AB (A: 8.0° S, 79.1° W y B: 7.9° S, 79.1° W).
Mapa elaborado con la imagen satelital SRTM250, donde los colores indican
altitud.
6.3.1.2. Loma de cerro Chiputur
El cerro Chiputur se encuentra dentro del perímetro de las lomas de la costa

de La Libertad. En esta loma se traza el perfil B’C, dicho perfil comienza en la
línea de costa punto B’(8.3°S, 78.9°W) y finaliza pasando toda la vegetación de
la loma de cerro Chiputur punto C(8.1°S, 78.9°W), como se muestra en las
Figuras 6.23 a y 6.23 b.
(a) (b)
Figura 6.23. Se presenta dos mapas de la loma de cerro Chiputur: (a) Mapa
de máximo valor compuesto de NDVI MOD13Q1 (2000-2014) y (b) Mapa
topográfico SRTM 250 ambos, con el perfil B’C que atraviesa la loma de cerro
Chiputur, de coordenadas en B’: 8.3° S, 78.9° W y en C: 8.1° S, 78.9° W,
donde los colores indican los valores del NDVI y los niveles de altitud.
La relación entre el NDVI y la altitud en la loma de cerro Chiputur se

presenta en la Figura 6.24. En esta gráfica se puede observar, que a una
129
distancia aproximada de 12 km de la línea de costa (punto B’), a una altitud de
349 msnm y con un valor de NDVI igual a 0.24, el valor del NDVI comienza a
aumentar a medida que aumenta la altitud, hasta alcanzar un valor cercano de
punto el NDVI empieza a disminuir aun cuando sigue aumentando la altitud.

que toma el NDVI es el valor del umbral de NDVI de formación de la loma de
cerro Chiputur, el cual equivale a 0.24. El grado de correlación entre el NDVI y
la altitud en la loma de cerro Chiputur es de 0.90, como se ve en la Figura 6.25,
que es calculado desde que el NDVI toma el valor del umbral hasta el punto en
que el NDVI decae drásticamente, Figura 6.24.
1200
Altitud NDVI 0.92
1000 0.835
Altitud (msnm)
800 0.668 N
674 msnm D
600 0.501 V
349 msnm I
400 0.334
0.24
200 0.167
0 0
0 2 4 6 8 10 12 14 16 18
B' Distancia desde la linea de la costa (km) C
B’C que pasa por la loma de cerro Chiputur. En azúl, se muestra la variación de
la altitud entre los puntos B’C de la Figura 6.23-b.En rojo, se muestra la
variación del NDVI entre los puntos B’C de la Figura 6.23-a, y las líneas
aumenta la altitud.
130
1.2
1 y = 0.0017x - 0.3049
R = 0.9019
0.8
NDVI
0.6
0.4
0.2
0
0 200 400 600 800 1000
Altitud (msnm)
Figura 6.25. Relación del NDVI vs. Altitud, obtenida del perfil B’-C que pasa por
la loma de cerro Chiputur, donde el grado de correlación entre la altitud y el
NDVI es 0.90.
La visualización en tres dimensiones de la loma de cerro Chiputur se muestra

en la Figura 6.26, con el perfil B’C que inicia en la línea de costa y atraviesa
toda la loma y los colores indican niveles de altitud con respecto al mar.
Altitud (msnm)
7.84 - 86.2
86.3 - 180
181 - 274
275 - 368
369 - 462
463 - 548
549 - 635
636 - 721
722 - 815
816 - 909
910 - 1,000
1,010 - 1,100
1,110 - 1,180
1,190 - 1,280
1,290 - 1,370
1,380 - 1,470
1,480 - 1,550
1,560 - 1,640
1,650 - 1,720
1,730 - 1,850
Figura 6.26. Mapa de 3D de la loma de cerro Chiputur, ubicada en la costa de

La Libertad y el perfil B’C. Este mapa ha sido elaborado con la imagen satelital
SRTM250, donde los colores indican altitud.
131
Ancash
En la costa del departamento de Ancash se muestran los resultados de la

evaluación de las lomas de cerro Mongón y cerro Lupín.
6.3.2.1. Loma de Cerro Mongón
El cerro Mongón se encuentra dentro del perímetro de las lomas de la costa

de Ancash. En esta loma se traza el perfil C’D, dicho perfil inicia en la línea de
costa punto C’ (9.7°S, 78.3W) y finaliza pasando toda la vegetación de la loma
de cerro Mongón punto D(9.6°S, 78.3°W), como se muestra en las Figuras
6.27a y 6.27b.
(a) (b)
Figura 6.27. Se presenta dos mapas de la loma de cerro Mongón: (a) Mapa de
topográfico SRTM 250, ambos con el perfil C’D que atraviesa la loma de cerro
Mongón, de coordenadas en C’: 9.7°S, 78.3°W y en D: 9.6°S, 78.3°W y los
colores indican los valores de NDVI y los niveles de altitud.
132
La relación entre el NDVI y la altitud en la loma de cerro Mongón se
presenta en la Figura 6.28. En esta gráfica se puede observar, que a una
distancia aproximada de 2.4 km de la línea de costa (punto C’) a una altitud de
204 msnm y con un valor de NDVI igual a 0.22, el valor del NDVI comienza a
punto, el NDVI empieza a disminuir aun cuando sigue aumentando la altitud.

que toma el NDVI, es el valor del umbral de NDVI de formación de la loma de
cerro Mongón, el cual equivale a 0.22. El grado de correlación entre el NDVI y
la altitud en la loma de cerro Mongón es de 0.96, como se ve en la Figura 6.29,
que es calculado desde que el NDVI toma el valor del umbral, hasta el punto en
que el NDVI decae drásticamente, Figura 6.28.
1200 1.002
Altitud 0.86
1000 0.835
NDVI
Altitud (msnm)
800 0.668 N
600 0.501 D
V
400 0.22 572 msnm 0.334 I
200 0.167
204 msnm
0 0
0 1 2 3 4 5 6 7
C' Distancia desde la línea de costa (km) D
C’D que pasa por la loma de cerro Mongón. En azul, se muestra la variación de
la altitud entre los puntos C’D de la Figura 6.27-b. En rojo, se muestra la
variación del NDVI entre los puntos C’D de la Figura 6.27-a, y las líneas
aumenta la altitud.
133
1
0.9
0.8 y = 0.0016x - 0.1447
0.7 R= 0.96
0.6
0.5
NDVI
0.4
0.3
0.2
0.1
0
0 100 200 300 400 500 600 700
Elevación (m)
Figura 6.29. Relación del NDVI vs. Altitud, obtenida del perfil C’D que pasa por
la loma de cerro Mongón, donde el grado de correlación entre la altitud y el
NDVI es 0.96.
La visualización en tres dimensiones de la loma de cerro Mangón como se

muestra en la Figura 6.30, con el perfil C’D que inicia en la línea de costa y
atraviesa toda la loma y los colores indican niveles de altitud con respecto al
mar.
Altitud (msnm)
7.84 - 86.2
86.3 - 180
181 - 274
275 - 368
369 - 462
463 - 548
549 - 635
636 - 721
722 - 815
816 - 909
910 - 1,000
1,010 - 1,100
1,110 - 1,180
1,190 - 1,280
1,290 - 1,370
1,380 - 1,470
1,480 - 1,550
1,560 - 1,640
1,650 - 1,720
1,730 - 1,850
Figura 6.30. Mapa de 3D de la loma de cerro Mongón, ubicada en la costa de

Ancash y el perfil B’C. Este mapa ha sido elaborado con la imagen satelital
134
6.3.2.2. Loma de cerro Lupín
El cerro Lupín se encuentra dentro del perímetro de las lomas de la costa de

Ancash. En esta loma se traza el perfil D’E, dicho perfil comienza en la línea de
costa punto D’ (10.5°S, 77.9°W) y finaliza pasando toda la vegetación de la
loma de cerro Lupín (punto E (10.4°S, 77.8°W), como se muestra en las
Figuras 6.31a y 6.31b.
(a) (b)
Figura 6.31. Se presenta dos mapas de la loma de cerro Lupín: (a) Mapa de
topográfico SRTM 250 ambos, con el perfil D’E que atraviesa la loma de cerro
Lupín, de coordenadas en D’: 10.5° S, 77.9°W y en E: 10.4°S, 77.8°W, donde
los colores indican valores del NDVI y los niveles de altitud.
La relación entre el NDVI y la altitud en la loma de cerro Lupín se presenta

en la Figura 6.32. En esta gráfica se puede observar, que a una distancia
aproximada de 7.2 km de la línea de costa (punto D’), a una altitud de 283
135
msnm y con un valor de NDVI igual a 0.26, el valor del NDVI comienza a
punto, el NDVI empieza a disminuir a medida aumenta la altitud.
cerro Lupín, el cual equivale a 0.26. El grado de correlación entre el NDVI y la
altitud en la loma de cerro Lupín es de 0.84, como se ve en la Figura 6.33, que
es calculado desde que el NDVI toma el valor del umbral, hasta el punto en que
el NDVI decae drásticamente Figura 6.32.
1400 0.98
1200 Altitud NDVI 0.78 0.84
1000 0.7
Altitud (msnm)
800 0.56
777 msnm
NDVI
600 0.42
400 0.25 0.28
200 283 msnm 0.14
0 0
0 2 4 6 8 10 12 14 16
D' Distancia desde la línea de la Costa (km) E
D’E que pasa por la loma de cerro Lupín. En azul, se muestra la variación de la
altitud entre los puntos D’E de la Figura 6.31-b. En rojo, se muestra la variación
del NDVI entre los puntos D’E de la Figura 6.31-a, y las líneas verticales
indican la región en la que el NDVI incrementa a medida que aumenta la altitud.
136
0.8
0.7 y = 0.001x + 0.081
R = 0.84
0.6
NDVI 0.5
0.4
0.3
0.2
0.1
0
0 100 200 300 400 500 600 700
Elevación (msnm)
Figura 6.33. Relación del NDVI vs. altitud, obtenida del perfil D’-E que pasa por
la loma de cerro Lupín, donde el grado de correlación entre la altitud y el NDVI
es 0.84.
La visualización en tres dimensiones de la loma de cerro Lupín, la Figura 6.34

muestra la loma de cerro Lupín, con el perfil D’E que inicia en la línea de costa
y atraviesa toda la loma y los colores indican niveles de altitud con respecto al
mar.
Altitud (msnm)
7.84 - 86.2
86.3 - 180
181 - 274
275 - 368
369 - 462
463 - 548
549 - 635
636 - 721
722 - 815
816 - 909
910 - 1,000
1,010 - 1,100
1,110 - 1,180
1,190 - 1,280
1,290 - 1,370
1,380 - 1,470
1,480 - 1,550
1,560 - 1,640
1,650 - 1,720
1,730 - 1,850
Figura 6.34. Mapa de 3D de la loma de cerro Lupín, ubicada en la costa de

Ancash y el perfil D’E. Este mapa ha sido elaborado con la imagen satelital
137
6.3.3. Caracterización de las lomas de la costa del departamento de Lima
En la costa del departamento de Lima se muestran los resultados de la
evaluación de la loma de Lachay.
6.3.3.1. Loma de Lachay
La loma de Lachay se encuentra dentro del perímetro de las lomas de la

costa de Lima. En esta loma se traza el perfil E’F, dicho perfil inicia en la línea
de costa punto E’ (11.5°S, 77.4°W) y finaliza pasando toda la vegetación de la
loma de Lachay (punto F (11.3°S, 77.4°W), como se muestra en las Figuras
6.35a y 6.35b.
(a) (b)
Figura 6.35. Se presenta dos mapas de la loma de Lachay: (a) Mapa de
topográfico SRTM250, ambos, con el perfil E’F que atraviesa la loma de
Lachay, de coordenadas en E’ 11.5°S, 77.4°W y en F: 11.3°S, 77.4°W, donde
los colores indican los valores de NDVI y los niveles de altitud.
138
La relación entre el NDVI y la altitud en la loma de Lachay se presenta en la
Figura 6.36. En esta gráfica se puede observar, que a una distancia
aproximada de 7.8 km de la línea de costa (punto E’), a una altitud de 359
msnm y con un valor de NDVI igual a 0.31, el valor del NDVI comienza a
punto, el NDVI empieza a disminuir a pesar de que la altitud sigue aumentando.
Lachay, el cual equivale a 0.31. El grado de correlación entre el NDVI y la
altitud en la loma de Lachay es de 0.74, como se ve en la Figura 6.37, que es
calculado desde que el NDVI toma el valor del umbral, hasta el punto en que el
NDVI decae drásticamente, Figura 6.36.
1400 0.98
0.89
1200 0.84
Series1
Altitud (msnm)
1000 Series2 0.7

N
800 0.56
D
600 0.42 V
0.30 603 msnm
400 0.28 I
395 msnm
200 0.14
0 0
0 2 4 6 8 10 12 14
E' Distancia desde la línea de costa (km) F
E’F que pasa por la loma de Lachay. En azúl, se muestra la variación de la
altitud entre los puntos E’F de la Figura 6.35-b. En rojo, se muestra la variación
del NDVI entre los puntos E’F de la Figura 6.35-a, y las líneas verticales indican
la región en la que el NDVI incrementa a medida que aumenta la altitud.
139
1
0.9 y = 0.0008x + 0.2155
0.8 R = 0.74
0.7
0.6
NDVI
0.5
0.4
0.3
0.2
0.1
0
0 200 400 600 800 1000
Elevación (msnm)
Figura 6.37. Relación del NDVI vs. Altitud, obtenida del perfil E’F que pasa por
la loma de Lachay, donde el grado de correlación entre la altitud y el NDVI es
0.74.
La visualización en tres dimensiones de la loma de Lachay, la Figura 6.38

muestra la loma de Lachay, con el perfil E’F que inicia en la línea de costa y
atraviesa toda la loma y los colores indican niveles de altitud con respecto al
mar.
Altitud (msnm)
7.84 - 86.2
86.3 - 180
181 - 274
275 - 368
369 - 462
463 - 548
549 - 635
636 - 721
722 - 815
816 - 909
910 - 1,000
1,010 - 1,100
1,110 - 1,180
1,190 - 1,280
1,290 - 1,370
1,380 - 1,470
1,480 - 1,550
1,560 - 1,640
1,650 - 1,720
1,730 - 1,850
Figura 6.38. Mapa de 3D de la loma de Lachay, ubicada en la costa de Lima

y el perfil E’F. Este mapa ha sido elaborado con la imagen satelital SRTM250,
donde los colores indican altitud.
140
6.3.4. Caracterización de la loma de la costa del departamento de Ica
En la costa del departamento de Ica se muestran los resultados de la

evaluación de la loma de Amará.
6.3.4.1. Loma de Amará
La loma de Amará se encuentra dentro del perímetro de la loma de la costa

de Ica. En esta loma se traza el perfil MN, dicho perfil comienza en la línea de
costa (punto M) y finaliza pasando toda la vegetación de la loma de Amará
(punto N), como se muestra en las Figuras 6.39-a. y 6.39-b.
(a) (b)
Figura 6.39 Se presenta dos mapas de la loma de Amará: (a) Mapa de

topográfico SRTM 250, ambos, con el perfil MN que atraviesa la loma de
Amará, de coordenadas en M: 14.7°S, 75.8°W y N: 14.7°S, 75.7°W.
141
La relación entre el NDVI y la altitud en la loma de Amará se presenta en la
Figura 6.40. En esta gráfica se puede observar, que desde los 0 msnm
comienza a aumentar el NDVI a medida que incrementa la altitud. En esta
loma, el umbral de NDVI de formación de lomas no se puede definir, y el
máximo valor que llega a tomar el NDVI es de 0.39, además, el grado de
correlación entre el NDVI y la altitud en esta loma es de 0.82.
Figura 6.40 Se muestra la variación del NDVI con la altitud, a través del perfil
MN que pasa por la loma de Amará. En azul, se muestra la variación de la
altitud entre los puntos MN de la Figura 6.43-b. En rojo, se muestra la variación
del NDVI entre los puntos MN de la Figura 6.43-a.
142
0.45
0.4 y = 0.0004x + 0.0619
R = 0.8224
0.35
0.3
0.25
NDVI
0.2
0.15
0.1
0.05
0
0 200 400 600 800
Elevación (m)
Figura 6.41. Relación del NDVI vs. altitud, obtenida del perfil MN que pasa por
la loma de Amará, donde el grado de correlación entre la altitud y el NDVI es
0.82.
La visualización en tres dimensiones de la loma de Amará, la Figura 6.42

muestra la loma de Amará, con el perfil MN que inicia en la línea de costa y
atraviesa toda la loma donde los colores indican niveles de altitud.
Altitud (msnm)
7.84 - 86.2
86.3 - 180
181 - 274
275 - 368
369 - 462
463 - 548
549 - 635
636 - 721
722 - 815
816 - 909
910 - 1,000
1,010 - 1,100
1,110 - 1,180
1,190 - 1,280
1,290 - 1,370
1,380 - 1,470
1,480 - 1,550
1,560 - 1,640
1,650 - 1,720
1,730 - 1,850
Figura 6.42. Mapa de 3D de la loma de Amará, ubicada en la
costa de Ica y el perfil MN. Este Mapa ha sido elaborado con la imagen satelital
143
6.3.5. Resumen de la caracterización de las lomas
En este apartado se muestra un resumen de los resultados de las secciones

6.31, 6.32, 6.33 y 6.34 de este capítulo, (Tabla 6.1).
Tabla 6.1. Caracterización de las principales lomas de la Costa Central del

Perú donde se presenta seis características físicas
Altura del
Máximo Grado de Max
Altura del máximo
Departa Umbral valor de correlación altura
Lomas umbral valor de
mentos NDVI NDVI NDVI y de la
(msnm) NDVI
encontrado DEM loma
(msnm)
La Campana 0.27 261 0.79 517 0.8 945

Libertad Chiputur 0.24 349 0.92 674 0.9 1055
Mongón 0.22 204 0.86 572 0.9 961
Ancash
Lupin 0.26 283 0.78 777 0.8 1195
Lima Lachay 0.31 359 0.89 683 0.7 1013
1033.8
Promedio 0.26+0.03 259+58.97 0.85 +0.06 644.6+101.8 0.8+0.083
+100.06
Ica Amará Sin definir - 0.39 719 0.8
144
6.4. Climatología de las lomas
Considerando que el NDVI es un indicador de los elementos meteorológicos

como la humedad, la temperatura y la precipitación, en esta sección se
describen los resultados estadísticos de los valores medios del NDVI en el
tiempo (2000 – 2014).
En esta sección se presentan los resultados en el siguiente orden:
 Variación espacio-temporal del área de las lomas por departamentos

 Variación temporal del NDVI de las lomas por departamentos
Series de tiempo del NDVI de las lomas
Espectro de Potencia del NDVI de las Lomas
Variación mensual del NDVI de las lomas
 Anomalía de la media anual del NDVI de las lomas por departamento
 Series temporales de datos diarios de precipitación
6.4.1. Variación espacio-temporal del área de las lomas de la costa central

del Perú
En la sección 6.3, Caracterización de las lomas, se determinó el umbral del

NDVI de formación de lomas en la costa central del Perú, cuyo valor es de
0.26. Este valor umbral permitió calcular las áreas de las lomas por cada año,
desde el 2000 a 2014 y determinar la variación del área en el tiempo. Los
resultados de la variación del área por cada departamento se describen a
continuación.
6.4.1.1. Resultado de la variación anual del área de las lomas de la costa

en el departamento de La Libertad
El resultado del cálculo del área de las lomas de la costa del departamento
de La Libertad se presenta en la Tabla 6.2. Los valores de la segunda columna
de la Tabla 6.2, se obtienen contando la cantidad de píxeles del NDVI que
están dentro del perímetro de las lomas de la costa de La Libertad, (Figura
145
6.18-a), con valores de 0.26 a 1. Las dimensiones de un píxel son 0.25 km x
0.25 km, (área: 0.0625 km2), con estos datos se calculan los valores de la
columna 3 de la Tabla 6.2.
Tabla 6.2. Área de las lomas de la costa de La Libertad en el periodo 2000-

2014, con su respectiva cantidad de píxeles que tienen valores de NDVI desde
0.26 hasta 1.
N° de pixeles con Área Lomas de la costa

Tiempo (Años)
valores entre (0.26-1) de la Libertad (km2 )
2000 3602 225.1
2001 3748 234.3
2002 1899 118.7
2003 357 22.3
2004 66 4.1
2005 219 13.7
2006 1351 84.4
2007 221 13.8
2008 4784 299
2009 4413 275.8
2010 5389 336.8
2011 2420 151.3
2012 1382 86.4
2013 872 54.5
2014 3271 204.4
Al graficar la información del área de las lomas de la costa de La Libertad

vs. tiempo de la Tabla 6.2, se obtiene la variación del área de las lomas en el
periodo 2000 – 2014 (Figura 6.43). Como resultado se observa que, el área de
las lomas no se mantiene constante entre los años 2000 – 2014, es así, que en
el año 2004 toma el mínimo valor extremo de 4.1 km 2, mientras que, en el año
2010 toma un máximo valor extremo de 336.8 km2. El área de las lomas de la
costa de La Libertad en el periodo 2000 – 2014 tiene un valor promedio de
146
141.64 km2, con una desviación estándar de 113.62 km 2, este valor indica lo
alejados que están los valores de las áreas del valor del área promedio, es
decir, el valor de desviación estándar obtenido, indica alta variabilidad de las
áreas, respecto del promedio (valores extremos: área mínima de 4.1 km2 y área
máxima de 336.8 km2).
La Libertad, periodo 2000 – 2014.

del departamento de Ancash
de Ancash se presenta en la Tabla 6.3. Los valores de la segunda columna de
la Tabla 6.3, se obtienen contando la cantidad de píxeles del NDVI que están
dentro del perímetro de las lomas de la costa de Ancash, (Figura 6.18-b), y que
el NDVI toma valores desde 0.26 hasta 1. Un píxel tiene las dimensiones de
0.25 km x 0.25 km, su área es 0.0625 km2, con este resultado se calcula los
valores de la columna 3 de la Tabla antes mencionada.
147
Tabla 6.3. Área de las lomas de la costa de Ancash en el periodo 2000-2014,
con su respectiva cantidad de píxeles que tienen valores de NDVI desde 0.26
hasta 1.
Tiempo N° de pixeles con valores Área de lomas de la costa de

(Años) entre (0.26-1) la Ancash (km2 )
2000 1204 75.3
2001 1741 108.8
2002 1455 90.9
2003 503 31.4
2004 514 32.1
2005 320 20
2006 1958 122.4
2007 746 46.6
2008 3696 231
2009 3337 208.6
2010 2485 155.3
2011 2780 173.8
2012 1964 122.8
2013 1527 95.4
2014 2512 157
Al graficar la información del área de las lomas de la costa de Ancash vs.

tiempo de la Tabla 6.3, se obtiene la variación del área de las lomas de Ancash
en el periodo 2000 – 2014 (Figura 6.44). Como resultado se observa que, el
área de las lomas en el departamento de Ancash no se mantiene constante
entre los años 2000 – 2014. En el año 2005 toma el mínimo valor extremo de
20 km2, mientras que, en el año 2008 toma un máximo valor extremo de 231
km2. El área de las lomas de la costa de Ancash en el periodo 2000 – 2014
tienen un valor promedio de 111.43 km 2, con una desviación estándar de 64.98
km2, este valor indica lo alejados que están los valores de las áreas, del valor
del área promedio.
148
Area de las Lomas de Ancash
1750
Estadísticas
descriptivas
1500
N 15
Media 111.43
1250 Desv estándar 64.975
Mínimo 20
Máximo 231
Area (km2)
1000
750
500
250
0
2000 2002 2004 2006 2008 2010 2012 2014
Tiempo (años)
Ancash.

del departamento de Lima
de Lima se presenta en la Tabla 6.4. Los valores de la segunda columna de la
Tabla 6.4, se obtienen contando la cantidad de píxeles del NDVI que están
dentro del perímetro de las lomas de la costa de Lima (Figura 6.18-c), y que
además, toman valores de NDVI de 0.26 hasta 1. Un píxel tiene las
dimensiones de 0.25 km x 0.25 km, su área es 0.0625 km 2, con este resultado
se calculan los valores de la columna 3 de la Tabla 6.4.
149
Tabla 6.4. Área de las lomas de la costa de Lima en el periodo 2000-2014, con
su respectiva cantidad de píxeles que tienen valores de NDVI desde 0.26 hasta
1.
N° de pixeles con Área de lomas de la costa de la

Tiempo (Años)
valores entre (0.26-1) Lima (km2 )
2000 14851 928.2
2001 15081 942.6
2002 16566 1035.4
2003 14473 904.6
2004 15601 975.1
2005 10751 671.9
2006 13412 838.3
2007 14656 916
2008 24442 1527.6
2009 21529 1345.6
2010 23793 1487.1
2011 27592 1724.5
2012 22690 1418.1
2013 18764 1172.8
2014 25348 1584.3
Al graficar la información área de las lomas de la costa de Lima vs tiempo

de la Tabla 6.4, se obtiene la variación del área de las lomas de Lima en el
periodo 2000 – 2014 ( Figura 6.45). El área de las lomas no se mantiene
constante entre los años 2000 – 2014. El año 2005 alcanza el mínimo valor
extremo de 671.94 km2, mientras que en el año 2011 toma un máximo valor
extremo de 1724.5 km2. El área de las lomas de la costa de Lima en el periodo
2000 – 2014 tiene un valor promedio de 1164.8 km2, con una desviación
estándar de 322.81 km2, este valor indica lo alejados que están los valores de
las áreas, del valor del área promedio.
150
Area de las Lomas de la Libertad de Lima
Área de las lomas de Lima
1750
Estadísticas
1500 descriptivas
N 15
1250 Media 1164.8
Desv estándar 322.81
Mínimo 671.94
Area (km2)
1000 Máximo 1724.5
750
500
250
0
00 001 002 0 03 004 005 006 007 008 009 010 011 012 013 014
20 2 2 2 2 2 2 2 2 2 2 2 2 2 2
Tiempo (años )
Lima.

del departamento de Ica
de Ica se muestra en la Tabla 6.5. Los valores de la segunda columna de la
Tabla 6.5, se obtienen contando la cantidad de píxeles del NDVI que están
dentro del perímetro de las lomas de la costa de Ica, (Figura 6.18-d), y que
además, toman valores de NDVI desde 0.26 hasta 1. Un píxel tiene las
dimensiones de 0.25 km x 0.25 km, su área es 0.0625 km 2, con este resultado
se calculan los valores de la columna 3 de la Tabla 6.5.
151
Tabla 6.5. Área de las lomas de la costa de Ica en el periodo 2000-2014, con
su respectiva cantidad de píxeles que tienen valores de NDVI desde 0.26 hasta
1.
Tiempo N° de pixeles con Área Lomas de la costa dela

(Años) valores entre (0.26-1) Ica (km2 )
2000 7 0.44
2001 2 0.13
2002 18 1.13
2003 0 0
2004 0 0
2005 2 0.13
2006 0 0
2007 0 0
2008 7 0.44
2009 590 36.88
2010 1539 96.19
2011 891 55.69
2012 15 0.94
2013 0 0
2014 111 6.93
Al graficar la información del área de las lomas de la costa de Ica vs. tiempo
de la Tabla 6.5, se obtiene la variación del área de las lomas de Ica en el
periodo 2000 – 2014 (Figura 6.46). Como resultado se observa que, el área de
las lomas es aproximadamente constante desde el año 2000 hasta el año
2008, con valores cercanos a cero, siendo en algunos años el área igual a cero
seco y sin vegetación, como se observa en los años 2003, 2004, 2006 y 2007.
Con respecto de los años 2009, 2010 y 2011 ocurre un incremento del área de
las lomas, dándose en el año 2010 la mayor extensión, con un tamaño
equivalente a 96.19 km2. Los siguientes años, a partir del 2012, las áreas de
las lomas disminuyen nuevamente hasta tener valores cercanos a cero, es
decir, muy poca extensión de vegetación, casi suelo desnudo (desierto).
152
Area de las Lomas de Ica
1700
Estadísticas
descriptivas
N 15
1400 Media 13.258
Desviación estánda 28.192
Mínimo 0
Máximo 96.188
1100
Area ( km2)
800
500
200
00 01 02 03 04 05 06 07 08 09 10 11 12 13 14
20 20 20 20 20 20 20 20 20 20 2 0 2 0 20 20 20
Tiempo ( años )
Figura 6.46. Variación del área de las lomas de la costa del departamento de
Ica.
6.4.1.5 Resumen de la variación anual de las lomas
En la Tabla 6.6 se muestra un resumen de los resultados de las secciones

6.4.1.1, 6.4.1.2, 6.4.1.3 y 6.4.1.4 de este capítulo.
Tabla 6.6. Tabla resumen de la estadística de las áreas de las lomas de la

costa central del Perú en el periodo 2000-2014.
La Libertad Ancash Lima Ica

Estadística
(km2 ) (km2 ) (km2 ) (km2 )
Promedio 141.64 111.43 1164.8 13.258
Desviación Estándar 113.62 64.975 322.81 28.19
Mínimo 4.125 20 671.94 0
Máximo 336.81 231 1724.55 96.188
153
La Tabla 6.6, resume la estadística del área de las lomas por
departamentos, siendo el departamento de Lima el que tiene el área promedio
más alto, seguido de La Libertad, Ancash e Ica sucesivamente. Asimismo, Lima
tiene la mayor desviación estándar, seguida por La Libertad, esto significa que
existe mucha diferencia entre los valores extremos de área (mínimo y máximo).
Con respecto de lomas de Ica el valor mínimo es de 0 km2, esto significa que
en algunos años las lomas desaparecen completamente.
Al integrar las gráficas de las áreas de las lomas se obtiene la Figura 6.47. En
esta figura se observa, que el área de las lomas de La Libertad y Ancash tienen
la misma tendencia, los máximos y los mínimos se dan en los mismos años, la
diferencia radica en la extensión de las áreas.
El área de las lomas de Ica es casi constante y casi nula, a excepción de un
pico que se da en el año 2010. Finalmente, el área del departamento de Lima
no tiene la misma tendencia que presentan La Libertad y Ancash, en ningún
año desaparece, como sucede en Ica, además, Lima presenta la mayor
extensión de área de lomas con respecto de los otros departamentos
estudiados.
En general, se puede decir, que el comportamiento del área de las lomas es
muy diferente en cada departamento estudiado. Considerando la tendencia y la
extensión del área de las lomas, la costa central del Perú pude ser dividido en
tres sectores: sector norte (La Libertad y Ancash), sector centro (Lima) y sector
sur (Ica).
154
Figura 6.47. Variación anual del área de las lomas de la costa central del Perú
por departamentos.
6.4.2. Variación temporal del NDVI de las lomas por departamentos
En esta sección se presentan dos tipos de resultados: la variación mensual del

promedio del NDVI y la variación anual del NDVI de cada uno de los cuatro
departamentos que conforman la costa central.
6.4.2.1. Variación mensual del promedio del NDVI de las lomas de la costa
central del Perú
La variación mensual del promedio del NDVI por cada uno de los
departamentos de la costa central del Perú: La Libertad, Ancash, Lima e Ica,
brindan información acerca de la evolución de la vegetación de las lomas y si
su tendencia es creciente o decreciente a lo largo del año en el periodo 2000-
2014. Además, este resultado permite determinar en qué estaciones del año se
encuentran los valores máximo y mínimo de vegetación, es decir, abundancia y
escasez. Finalmente, la información integrada de la variación mensual del
promedio del NDVI de las lomas de cada departamento, permite observar las
diferencias que existen a nivel latitudinal.
155
6.4.2.1.1. Variación mensual del promedio del NDVI de las lomas de La
Libertad
El NDVI promedio por mes de las lomas de la costa del departamento de La

Libertad se muestra en la Tabla 6.7, allí, se observa, que el promedio mensual
del NDVI tiene su máximo valor en el mes marzo, que corresponde a la
estación de verano y tiene su mínimo valor en junio, que corresponde a la
estación de otoño. Además, se observa que las máximas desviaciones
estándares de los promedios mensuales se producen en invierno,
principalmente en el mes de agosto, esto es debido a que en determinados
años las lomas desaparecen como ocurrió en los años 2003, 2004 y 2005, y en
otros años aparecen de forma abundante como en los años 2008 ,2009 y 2010
como se ve en la Figura 6.47, es decir, generan una gran dispersión de datos
con respecto del promedio.
156
Tabla 6.7. Promedio mensual del NDVI de las lomas de la costa de La Libertad
en el periodo 2000-2014, con su respectiva desviación estándar y las
estaciones del año.
Prom. mensual NDVI de las

Estaciones Desviación
Mes Lomas de Costa de La
del año estándar
Libertad (2000-2014)
Verano ene 0.119 0.017
Inicio: feb 0.128 0.026

21-22 Dic mar (max) 0.134 0.029
abr 0.119 0.018
Otoño
may 0.106 0.020
Inicio:
20-21 Mar jun (min) 0.101 0.041
Invierno jul 0.120 0.041

Inicio: ago 0.120 0.047
21-22 Jun sep 0.118 0.039
Primavera oct 0.113 0.022

Inicio: nov 0.112 0.016
23-24 Set dic 0.111 0.016
Al graficar los datos de la Tabla 6.7 se obtiene la Figura 6.48, en la que se

observa, que el desarrollo de la vegetación de las lomas varían según las
estaciones del año, siendo la estación de verano, donde se desarrolla mayor la
vegetación, el otoño, la estación donde desaparece la vegetación y el invierno,
en la que vuelven a desarrollarse la vegetación.
La tendencia del promedio mensual del NDVI de las lomas de la costa de La

Libertad, es ligeramente decreciente de enero a diciembre, esto significa, que
en verano hay mayor humedad que en invierno en las lomas.
157
0.25
y = -0.0011x + 0.1239
0.2 R² = 0.1998
0.15
NDVI
0.1 Prom NDVI de las

Lomas de Costa de
0.05 La Libertad y su desv
stand
0
Tiempo (meses)
Figura 6.48. Variación mensual del promedio del NDVI de las lomas de la
costa de La Libertad, con una desviación estándar por cada mes y un ajuste
lineal que indica la tendencia de los datos.

Ancash
El NDVI promedio por mes de las lomas de la costa del departamento de
Ancash se muestran en la Tabla 6.8, allí se observa, que el promedio mensual
del NDVI tiene su máximo valor en setiembre, mes que corresponde a la
estación de invierno y tiene su mínimo valor en mayo, el cual corresponde a la
estación de otoño. Además, se observa que las máximas desviaciones
estándares de los promedios mensuales se dan en invierno, principalmente en
agosto; esto es debido, a que en determinados años las lomas desaparecen
como en el 2003, 2004 y 2005 y en otros años, aparecen de forma abundante
como en el 2008, 2009 y 2010, ver la Figura 6.44, es decir, generan una gran
dispersión de datos con respecto del promedio.
Las desviaciones estándares del NDVI de las lomas de Ancash son de
menor valor que las desviaciones estándares de las lomas de la Libertad, esto
se debe a que hay menor diferencia entre los valores extremos máximo y
mínimo de las áreas, como se ve en la Figura 6.47.
158
Tabla 6.8. Promedio mensual del NDVI de las lomas de la costa de Ancash en
el periodo 2000-2014, con su respectiva desviación estándar y las estaciones
del año.
Prom mensual NDVI de las

Estaciones del año Mes Lomas de Costa de Ancash Desv
(2000-2014)
Inicio: feb 0.112 0.017
21-22 Dic mar 0.113 0.013
Otoño abr 0.102 0.015
Inicio: may (Min) 0.094 0.017
20-21 Mar jun 0.096 0.027
Inicio: ago 0.111 0.039
21-22 Jun sep (max) 0.118 0.034
Inicio: nov 0.104 0.018
23-24 Set dic 0.104 0.013

observa, que el desarrollo de la vegetación de las lomas varía según las
estaciones del año. Siendo la estación de invierno donde se desarrolla mejor la
vegetación, el otoño, la estación donde desaparece totalmente, y el verano, la
estación en la que vuelven desarrollarse, pero en menor grado con respecto de
la estación de invierno.
Al hallar la tendencia del promedio del NDVI de las lomas de la costa de la

Ancash, se observa que es creciente, esto significa, que en el transcurso del
año van mejorando las condiciones para el desarrollo de las lomas, es decir,
que en el invierno hay mayor humedad que en el verano, lo contrario de lo que
ocurre con las lomas de las costa de la Libertad.
159
0.25
y = 0.0002x + 0.1051
0.2 R² = 0.0137
0.15
NDVI
Prom NDVI de las

Lomas de Costa de
0.1
Ancash y su desv
stand
0.05
Tiempo (meses)
de Ancash, con una desviación estándar por cada mes y un ajuste lineal que
indica la tendencia de los datos.
6.4.2.1.3. Variación mensual del promedio del NDVI de las lomas de Lima
Los resultados obtenidos de las lomas de la costa del departamento de

Lima se muestran en la Tabla 6.9, allí se observa, que el promedio mensual
NDVI tiene su máximo valor en octubre, mes que corresponde a la primavera y
tiene su mínimo valor en mayo, que corresponde al otoño. Además, se observa
que las máximas desviaciones estándares de los promedios mensuales se dan
en invierno, principalmente en agosto; esto es debido, a que dentro del periodo
de estudio (2000-2014) los valores máximos (1724.55 km2) y mínimos (671.94
km2) de las áreas de las lomas tienen grandes márgenes de diferencia entre
ellas, lo que origina la dispersión de los datos con respecto del valor promedio,
(ver Tabla 6.6).
160
Tabla 6.9. Promedio mensual del NDVI de las lomas de la costa de Lima en el
periodo 2000-2014, con su respectiva desviación estándar y las estaciones del
año.
Prom mensual NDVI de las

Estaciones del año Mes Lomas de Costa de Lima Desv
(2000-2014)
Inicio: feb 0.162 0.033
21-22 Dic mar 0.157 0.016
Otoño abr 0.131 0.018
Inicio: may (min) 0.107 0.023
20-21 Mar jun 0.108 0.035
Inicio: ago 0.149 0.073
21-22 Jun sep 0.159 0.059
Primavera oct (max) 0.166 0.040
Inicio: nov 0.153 0.029
23-24 Set dic 0.154 0.017

observa, que el desarrollo de la vegetación de las lomas varían según las
estaciones del año, siendo el invierno donde se desarrolla mejor la vegetación;
el otoño, donde desaparece totalmente y en la estación de verano, vuelven
desarrollarse, pero en menor grado en comparación con la estación de
invierno.
Al hallar la tendencia del promedio del NDVI de las lomas de la costa de
Lima, se observa que es creciente, esto significa, que en el transcurso del año
van mejorando las condiciones para el desarrollo de las lomas, porque en el
invierno hay mayor humedad que en el verano, en contraste a lo que ocurre
con las lomas de las costa de La Libertad.
161
0.25
y = 0.0009x + 0.1371
0.2 R² = 0.0197
NDVI
0.15
Prom NDVI de
0.1 las Lomas de
Costa de Lima y
0.05 su desv stand
Tiempo (meses)
de Lima, con una desviación estándar por cada mes y un ajuste lineal que
indica la tendencia de los datos.
6.4.2.1.4. Variación mensual del promedio del NDVI de las lomas de Ica
Los resultados obtenidos de las lomas de la costa del departamento de Ica

se muestran en la Tabla 6.10, allí se observa, que el promedio mensual del
NDVI tiene su máximo valor en febrero, en la estación de verano y tiene su
mínimo valor en noviembre, que corresponde a la estación de primavera,
también se aprecia que los mayores valores de desviaciones se dan en los
meses de enero y agosto. En forma general, se observa que las desviaciones
estándares del promedio mensual del NDVI de las lomas de Ica son muy
reducidas, en comparación con las desviaciones estándares del promedio
mensual del NDVI de las lomas de la costa de los departamentos en estudio.
162
Tabla 6.10. Promedio mensual del NDVI de las lomas de la costa de Ica en el
periodo 2000-2014, con su respectiva desviación estándar y las estaciones del
año.
Prom. mensual NDVI de las

Estaciones
Mes Lomas de Costa de Ica Desv.
del año
(2000-2014)
Verano ene 0.0617 0.0224
Inicio: feb Max 0.0635 0.0211
21-22 Dic mar 0.0617 0.0140
Otoño abr 0.0612 0.0123
Inicio: may 0.0619 0.0117

20-21 Mar jun 0.0615 0.0129
Inicio: ago 0.0629 0.0204

21-22 Jun sep 0.0626 0.0192

Inicio: nov Min 0.0577 0.0124
23-24 Set dic 0.0583 0.0135

observa, que el desarrollo de la vegetación de las lomas no varía según las
estaciones, como se observa en los demás departamentos. En la costa de este
departamento, la vegetación se mantiene constate casi a lo largo de todo el
año, con valores del NDVI bajos, que tienden a incrementar de forma muy
reducida en los meses de agosto y setiembre, los cuales corresponden a la
estación de invierno.
163
0.25
0.2
y = -0.0003x + 0.0633
R² = 0.4608
0.15 Prom NDVI de las
NDVI
Lomas de Costa de Ica y

0.1 su desv stand
0.05
Tiempo (meses)
de Ica, con una desviación estándar por cada mes y un ajuste lineal que indica
la tendencia de los datos.
6.4.2.1.5. Resumen de la variación mensual del promedio del NDVI de las

lomas de la costa central del Perú.
La superposición de las 4 gráficas de la variación mensual promedio del

NDVI de las lomas de la costa central del Perú en una sola figura (Figura 6.52),
permite identificar y comparar los cambios que se producen de norte a sur en
los departamentos de la Libertad, Ancash, Lima e Ica a nivel latitudinal entre las
costas de los departamentos, materia de esta investigación.
En las costas de los departamentos La Libertad, Ancash y Lima, el periodo

seco de las lomas se produce en el otoño, principalmente en el mes de mayo.
El periodo de máxima vegetación varía con la estación, según cada
departamento, así, en la costa del departamento de La Libertad el periodo de
máxima vegetación es en el verano; en la costa del departamento de Ancash,
la máxima vegetación se da en el invierno; mientras que en la costa del
departamento de Lima, la máxima vegetación se desarrolla en primavera; y, en
el caso de las lomas del departamento de Ica, se ve que no hay un
comportamiento similar al de los demás departamentos y casi se mantiene
constante a lo largo del año, como se ve en la Figura 6.52.
164
0.165
Promedio NDVI mensual de las
Lomas de la costa central del Perú
0.150 Lomas de la costa de La Libertad
Lomas de la costa de Ancash
0.135 Lomas de la costa de Lima
Lomas de la costa de Ica
0.120
NDVI
0.105
0.090
0.075
0.060
e b r r y n l o p ct v c
en fe ma ab ma ju ju
a g se o n o di
Tiempo ( meses )
Figura 6.52. Variación mensual del promedio del NDVI de las lomas de las
costas de los departamentos de la Libertad, Ancash, Lima e Ica.
6.4.2.2. Serie de tiempo del NDVI de las lomas de la costa central del Perú
Las gráficas de las series de tiempo del NDVI de las lomas, están
conformadas por 342 valores promedio de NDVI adquiridos cada 16 días, entre
los años 2000-2014.
6.4.2.2.1 Series de tiempo del NDVI de las lomas de La Libertad
Según los resultados obtenidos en la presente investigación, en la serie

temporal de las lomas de la costa de La Libertad, (Figura 6.53 a), se
observa, que los valores del NDVI están entre 0 y 0.25, estos valores son
bajos porque representan el promedio de todos los valores de NDVI que se
encuentran dentro de los perímetros de las lomas de la costa de La Libertad,
(Figura 6.18 a), además, se observa que la serie temporal muestra dos
etapas: la primera, desde enero del 2000 hasta junio del 2008, con una
tendencia decreciente de ecuación Y= 0.1307-0.00021412X, la segunda
165
etapa, desde Julio del 2008 hasta diciembre de 2014, también con
tendencia decreciente de ecuación Y= 0.1307-0.00021412X.
En la primera etapa, en los años 2003, 2004 y 2005 el desarrollo de la
vegetación que predomina en invierno, desaparece, mientras que, en la
segunda etapa, en los años 2008, 2009 y 2010 se observan picos de
máxima vegetación. En el estudio de (Anculle, 2014) se ha identificado
sequía en el norte del Perú en los años 2003, 2004 y 2005. En estos mismos
años, según la serie temporal del NDVI hallada en esta investigación de las
lomas de la costa de La Libertad casi desaparecieron, (Figura 6.53). Esta
relación indica que el fenómeno de sequía del norte afectó a las lomas de la
costa de la Libertad, por lo que se deduce que estas lomas son altamente
sensibles a los fenómenos de sequías.
6.4.2.2.2 Series de tiempo del NDVI de las lomas de Ancash

temporal de las lomas de la costa de Ancash, (Figura 6.53b), se observa que
los valores del NDVI están entre 0 y 0.22, estos valores son bajos porque
representan el promedio de todos los valores NDVI que se encuentran
dentro de los perímetros de las lomas de la costa de Ancash, (Figura 6.18b),
además, se observa que la serie temporal muestra dos etapas: la primera,
desde enero del 2000 hasta junio del 2008, con una tendencia decreciente
de ecuación Y= 0.0983-0.000039151X, la segunda etapa, desde Julio del
2008 hasta diciembre de 2014, también con tendencia decreciente de
ecuación Y1= 0.1302 -0.00011065 X1.
Las lomas de Ancash se caracterizan por tener una vegetación
dependiente de las estaciones del año, (Figura 6.49), ahí se observa que
hay dos picos de abundancia, tanto en verano como invierno. Esta
dependencia de la vegetación con respecto a las estaciones, también se
logra ver en las series temporales de las lomas de la costa de Ancash,
(Figura 6.53b), de la misma forma, que en las series de tiempo del NDVI de
las lomas de La Libertad, en la primera etapa desaparecen las lomas en los
166
años 2003, 2004 y 2005 y en la segunda etapa, la lomas tiene un máximo
desarrollo los años 2008, 2009, 2010 y 2011.
La serie temporal del NDVI de las lomas de la costa de Ancash tiene

valores máximos y mínimos en los mismos años que la serie temporal de las
lomas de la costa de La Libertad; diferenciándose, en que los valores del
NDVI de las lomas de Ancash son menores con respecto de los valores
NDVI de las lomas de la costa de La Libertad.
6.4.2.2.3 Series de tiempo del NDVI de las lomas Lima

temporal de las lomas de la costa de Lima, que se muestra en la Figura
6.57c, se observa que los valores del NDVI están entre 0 y 0.4. Estos
valores obtenidos son bajos, debido a que son valores promedios de todos
los valores del NDVI que se encuentran dentro de los perímetros de las
lomas de la costa de Lima. Figura 6.18c.
La serie temporal de las lomas de la Lima se puede dividir en dos
etapas: la primera, que inicia en enero del 2000 hasta junio del 2008, con
una tendencia Y= 0.1239+0.000016499X y la segunda, desde julio del 2008
hasta diciembre del 2014, con una tendencia Y1= 0.1682 -0.000036123X1.
A diferencia de las series de tiempo del NDVI de las lomas de la costa de La
Libertad y Ancash, en la costa de Lima, las lomas no desaparecen,
mostrando en la primera etapa bastante estabilidad, mientras que en la
segunda etapa, los valores del NDVI de las lomas se incrementan,
principalmente el año 2011.
6.4.2.2.4. Series de tiempo del NDVI de las lomas Ica
En la serie temporal de las lomas de la costa de Ica, que se muestran en

la Figura 6.53c, se observa que los valores del NDVI están entre 0 y 0.15.
Estos valores son bajos, debido a que son valores promedios de todos los
valores del NDVI que se encuentran dentro de los perímetros de las lomas
167
de la costa de Ica (Figura 6.18.d). En esta serie, al igual que en las
anteriores, también se observa dos etapas: la primera, que va desde enero
del 2000 hasta setiembre del 2009, con una tendencia Y= 0.0543 -
0.000014095X y la segunda, que va desde octubre del 2009 hasta diciembre
del 2014. La vegetación de las lomas en la primera etapa es prácticamente
nula, sin mostrar variación en ningún año, mientras que, en la segunda
etapa, se incrementa en dos años consecutivos el 2011 y 2012.
168
a) Series de tiempo del NDVI de las lomas de la costa de La Libertad
b) Series de tiempo del NDVI de las lomas de la costa de Ancash
c) Series de tiempo del NDVI de las lomas de la costa de Lima
d) Series de tiempo del NDVI de las lomas de la costa de Ica
Figura 6.53. Series de tiempo del NDVI de las lomas de la costa central, con
sus respectivas tendencias por cada etapa.
169
Las series de tiempo pueden ser analizadas de dos formas: una, en el
dominio del tiempo y la otra, en el dominio de las frecuencias. Si las series de
tiempo son analizadas en el dominio del tiempo, se obtiene la información
sobre su tendencia, ciclo, estacionalidad y componente irregular. Si se analiza
en el dominio de la frecuencia, se pueden encontrar componentes periódicos,
aun cuando estas no sean muy visibles; encontrar componentes periódicos
permite centrar la atención en determinadas frecuencias que aportan mayor
información.
Para hacer un análisis en el dominio de las frecuencias se requiere que las

series de tiempo sean estacionarias, esto implica que su media debe ser
constante en el tiempo, es decir, que no tenga tendencia, su variancia y su
estructura de auto correlación, también deben ser constantes en el tiempo.
Las series temporales de las lomas de la costa central del Perú entre los
años 2000 y 2014 no cumplen con las condiciones de ser procesos
estacionarios; es por eso, que para ser analizadas en el dominio de las
frecuencias, este periodo se divide en dos etapas como se observa en la Figura
6.57, donde cada etapa sí es aproximadamente un proceso estacionario.
El análisis en el dominio de la frecuencia se hace a través del cálculo del

espectro de potencia que también es conocido como la densidad espectral de
potencia. Se ha calculado el espectro de potencia de cada etapa de las series
temporales del NDVI de las lomas de las costas de La Libertad, Ancash y Lima,
pero no a las series temporales de las lomas de Ica, debido a que los valores
del NDVI son casi nulos (Figura 6.53d). Los resultados del cálculo del espectro
de potencia a las series temporales de las lomas de la costa central del Perú se
muestran en las Figuras 6.54, 6.55 y 6.56.
170
a) Primera etapa
b) Segunda etapa

etapa de las series temporales de las lomas de la costa de La Libertad, Figura
6.57.a.
171
a) Primera etapa
b) Segunda etapa

etapa de las series temporales de las lomas de la costa de Ancash, Figura
6.57.b.
172
a) Primera etapa
b) Segunda etapa

etapa de las series temporales de las lomas de la costa de Lima, Figura 6.57.c.
En las gráficas obtenidas, Figuras 6.54, 6.55, 6.56, el eje x representa el

número de ciclos por unidad de tiempo, y el eje y representa la cantidad de
energía acumulada. En estas gráficas se observan diversos picos, los picos
que están por encima del intervalo de confianza y de mayor amplitud indican
que sus frecuencias correspondientes son las más relevantes, las inversas de
173
estas frecuencias vienen a ser los periodos en los que se desarrollan mejor las
lomas.
En el espectro de potencia de las series temporales de los ecosistemas de

las lomas de la Libertad, en la primera etapa se observan tres picos por encima
del intervalo de confianza, los dos picos de mayor amplitud tienen por periodos
T=12.9 meses y T=6.08 meses. En la segunda etapa, se observa cinco picos
por encima del intervalo de confianza, el pico de mayor amplitud tiene un
periodo de 13.3 meses, otro pico relevante tiene un periodo de 6.15 meses.
En el espectro de potencia de las lomas de la costa Ancash, la primera

etapa, muestra tres picos por encima del intervalo de confianza, los dos picos
de mayor amplitud tienen por periodos T=12.9 meses y T=6.08 meses. En la
segunda etapa, se observan tres picos por encima del intervalo de confianza, el
que tiene mayor amplitud, tiene un periodo de 6.15 meses.
En el espectro de potencia de las lomas de la costa Lima, en la primera

etapa, muestra dos picos por encima del intervalo de confianza, con periodos
T=12.9 meses y T=6.08 meses. En la segunda etapa, se observan dos picos
por encima del intervalo de confianza, el que tiene mayor amplitud, tiene un
periodo de 6.15 meses y el siguiente pico tiene una amplitud de 11.43 meses.
Según los resultados, las lomas de la costa de La Libertad, Ancash y Lima

tienen dos periodos muy importantes que están alrededor de los 12 y 6 meses,
estos periodos indican que las lomas se desarrollan mejor cada 6 meses y
cada 12 meses.
Al comparar la intensidad de los máximos picos de los espectros de

potencia de las lomas de la costa de los departamentos de la Libertad, Ancash
y Lima se observa, que la máxima intensidad del pico es de las lomas de Lima,
le sigue en intensidad el pico de la Libertad con 65 % menor que de Lima y por
último la máxima intensidad del pico en Ancash es de 85 % menor que la
intensidad del pico de Lima.
174
Como en los diversos resultados mostrados en esta investigación, las lomas
de la costa de Lima tienen mejor vegetación, le sigue las lomas de la costa de
la Libertad, luego las lomas de la costa Ancash y finalmente las de Ica.
6.4.3. Anomalía de la media anual de las lomas la costa central del Perú
En esta parte se muestran los resultados del cálculo de las anomalías de la

media anual del NDVI, halladas en los ecosistemas de las lomas de la costa
central del Perú, en el periodo 2000-2014.
Los valores de las anomalías pueden ser positivos, negativos o cero. Si los
valores son positivos indican que las lomas tienen actividad vegetal por encima
de la media anual (exceso); si los valores son negativos indican que las lomas
tienen actividad vegetal por debajo de la media anual (déficit) y si el valor es
cero quiere decir que está en el promedio.
6.4.3.1. Anomalía de la media anual del NDVI de las lomas de la costa de

La Libertad
Los resultados obtenidos de las anomalías de la media anual del NDVI de

las lomas de la costa de La Libertad, se muestran en la Figura 6.57. En esta
figura se observa, que por seis años consecutivos, desde el año 2002 hasta el
2007, los valores de las anomalías de las lomas de la costa de La Libertad son
negativos, teniendo máximos valores negativos en el 2004 y el 2005. Los
valores negativos observados significan, que entre los años 2002 y el 2007 hay
déficit de la formación de la vegetación en las lomas de La costa Libertad,
empeorando esta situación en los años 2004 y 2005. En los años siguientes,
desde el 2008 hasta el 2011, los valores de las anomalías son positivos,
tomando su máximo valor en el 2008. Esto significa, que desde el 2008 al
2011, hay un exceso de vegetación con respecto del valor promedio.
La tendencia de la anomalía de la media anual del NDVI a lo largo del

periodo de estudio es creciente, quiere decir, que el valor de las anomalías
aumenta a razón de 0.00257 por año, como se observa en la línea de
tendencia de la Figura 6.61.
175
Lomas de la costa de Libertad
0.15
Variable
Anomalia de la media anual del NDVI Actual
Tendencia
0.10 Yt = -0.0205 + 0.00257×t
Medidas de exactitud
MAPE 98.6522
MAD 0.0487
0.05
MSD 0.0031
0.00
-0.05
-0.10
00 00 1 002 003 004 005 006 007 008 009 010 011 012 013 014
20 2 2 2 2 2 2 2 2 2 2 2 2 2 2
Tiempo (años)
La Libertad.
6.4.3.2. Anomalía de la media anual de las lomas de la costa de Ancash
Los resultados obtenidos de las anomalías de la media anual del NDVI

de las lomas de la costa de Ancash, se muestran en la Figura 6.58. En esta
figura se observa, que por cinco años consecutivos, desde el año 2003 hasta el
año 2007, los valores de las anomalías de las lomas de la costa de Ancash son
negativos, teniendo los máximos valores negativos en los años 2004 y 2005, lo
que significa, que entre el 2003 y el 2007 hay déficit de la formación de la
vegetación en las lomas de Ancash, agudizándose, en los años 2004 y 2005.
Los siguientes años, desde el 2008 hasta el 2012, los valores de las anomalías
son positivos, tomando su máximo valor el 2008. Estos valores positivos
significan que entre el 2008 y 2012 hay un exceso de vegetación con respecto
del valor promedio.
La tendencia de las anomalías de la media anual del NDVI a lo largo del
periodo 2000 - 2014 es creciente, significa que, el valor de las anomalías
aumenta a razón de 0.0048 por año.
176
Lomas de la costa de Ancash
0.15
Anomalia de la media anual del NDVI Variable
Actual
Yt = -0.0385 + 0.00482×t Tendencia
0.10
Medidas de exactitud
MAPE 291.205
0.05 MAD 0.030
MSD 0.001
0.00
-0.05
-0.10
0 0 001 00 2 00 3 00 4 00 5 00 6 00 7 00 8 009 0 10 11 12 0 13 0 14
20 2 2 2 2 2 2 2 2 2 2 20 20 2 2
Tiempo (años)
Ancash.
6.4.3.3. Anomalía de la media anual de las lomas de la costa de Lima

Los resultados obtenidos de las anomalías de la media anual del NDVI
de las lomas de la costa de Lima, se muestran en la Figura 6.59. En esta figura
se observa, que por siete años consecutivos, desde el 2000 hasta el 2007, los
valores de las anomalías son negativos, tomando su máximo valor negativo en
el 2005, lo que significa, que entre el 2000 y el 2007 hay un déficit de la
formación de la vegetación en las lomas de la costa de Lima, principalmente el
2005. Los siguientes años, desde el 2008 al 2012, los valores de las anomalías
son positivos, tomando su máximo valor en el 2011, lo que significa, que hay un
exceso de vegetación con respecto de la media anual del NDVI, desde el 2008
hasta el 2012, acentuándose en el año 2011. La tendencia de la anomalía de la
media anual del NDVI a lo largo del periodo de estudio es creciente, lo que
quiere decir, que el valor de las anomalías aumenta a razón de 0.01 por año.
177
Lomas de la costa de Lima
Anomalia de la media anual del NDVI
Variable
0.15 Actual
Tendencia
0.10 Yt = -0.0803 + 0.01004×t Medidas de exactitud

MAPE 108.374
MAD 0.036
MSD 0.002
0.05
0.00
-0.05
-0.10
00 00 1 002 003 004 005 006 007 008 009 010 011 012 013 014
20 2 2 2 2 2 2 2 2 2 2 2 2 2 2
Tiempo (Años )
Lima.
6.4.3.4. Anomalía de la media anual de las lomas de la costa de Ica
Los resultados obtenidos de las anomalías de la media anual del NDVI de

las lomas de la costa de Ica, se muestran en la Figura 6.60. En esta figura se
observa, que por nueve años consecutivos, desde el 2000 hasta el 2008, los
valores de las anomalías de las lomas de la costa de Ica son negativos y
constantes, a lo largo de este periodo, esto significa, que entre el 2000 y el
2008 hay déficit de la formación de la vegetación en las lomas de Ica,
principalmente en el 2006, donde se presenta el mayor valor negativo. Los
siguientes años, desde el 2009 hasta el 2012, los valores de las anomalías son
positivos, tomando su máximo valor en el 2010, lo que significa, que hay un
exceso de vegetación con respecto del valor promedio del NDVI, desde el 2009
hasta el 2012, acentuándose, en el año 2010.
La tendencia de la anomalía de la media anual del NDVI a lo largo del
periodo de estudio es creciente, quiere decir que el valor de las anomalías
aumenta a razón de 0.004 por año.
178
Lomas de costa de Ica
Anomalia de la media anual del NDVI 0.15 Variable
Actual
Tendencia
0.10 Medidas de exactitud
Yt = -0.0315 + 0.00393×t MAPE 164.623
MAD 0.021
0.05 MSD 0.001
0.00
-0.05
-0.10
00 00 1 002 003 004 005 006 007 008 009 010 011 012 013 014
20 2 2 2 2 2 2 2 2 2 2 2 2 2 2
Tiempo (Años)
Ica.
6.4.3.5. Resumen de la anomalía de las lomas de la costa central del Perú
Al integrar las 4 gráficas de las anomalías de la media anual del NDVI de las
lomas de la costa central del Perú, (ver Figura 6.61), permiten identificar y
comparar los cambios que se producen a nivel latitudinal entre la costa de los
departamentos en estudio. Así, en la Figura 6.61 se observa que las anomalías
de la media anual del NDVI, en todas estas lomas de la costa central del Perú
son crecientes, principalmente en Lima, que aumenta a razón de 0.01 por año.
También se observa, que en las lomas de los 4 departamentos referidos, los
valores de las anomalías de la media anual del NDVI son negativos en el
periodo 2002 – 2007; lo que significa, que la formación de la vegetación de las
lomas a lo largo de la costa central del Perú tienen un déficit, desde el 2002
hasta el 2007, en cambio, entre los años 2008 y 2011, los valores de las
anomalías de la media anual del NDVI son positivos en los cuatro
departamentos, lo que significa, que hay un exceso de vegetación con respecto
del valor promedio de todas las lomas de la costa central del Perú.
179
Anomalia del NDVI de las Lomas de la costa de La Libe
Anomalia de la media anual del NDVI 0.15
Anomalia del NDVI de las Lomas de la costa de Ancash
Anomalia del NDVI de las Lomas de la costa de Lima
Anomalia del NDVI de las Lomas de la costa de Ica
0.10
0.05
0.00
-0.05
-0.10
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
Tiempo (años )
Figura 6.61. Anomalías de la media anual del NDVI de las lomas de la costa
central del Perú.
6.4.4. Series temporales de los datos diarios de precipitación del periodo

2000-2014
El Servicio Nacional de Meteorología e Hidrología del Perú (SENAMHI) tiene

diversas estaciones meteorológicas en todo el Perú, de las cuales se han
seleccionado 4 estaciones: Talla (7.28°S ,79,41°W) en la Libertad, Buena Vista
(9,43°S , 78.20°W ) en Ancash, Lachay (11.36°S , 77,36°W) en Lima, Ocucaje
(14.38°S ,75.68°W) en Ica. Todas ellas se encuentran dentro del área de
estudio, pero fuera de los perímetros de las lomas a excepción la estación de
Lachay que se encuentra dentro de la loma de Lachay como se observa en la
Figura 6.62, eso se debe a que no se encontró en la actualidad estaciones
meteorológicas dentro de las lomas.
Estas estaciones fueron seleccionadas con el fin de evaluar la influencia de
la precipitación en la formación de las lomas del área en estudio. Para el efecto
se han analizado datos de la precipitación diarios5 comprendidos en el periodo
5
Descargado de SENAMHI (http://www.senamhi.gob.pe/?p=estaciones-automaticas ,
180
2000 – 2014, a través de series temporales, ver Figuras 6.67, 6.68, 6.69, 6.70 y
6.71.
Talla
Buena vista
Lachay
Ocucaje
Figura 6.62. Estaciones meteorológicas dentro del área de estudio de la costa

central del Perú: Talla (-7.28°, -79.41°) en la Libertad, Buena Vista (-9.43, -
78.20) en Ancash, Lachay (-11.36, -77,36) en Lima, Ocucaje (-14.38,-75.68) en
Ica. Adaptado de Estaciones automáticas del SENAMHI, 2017 (Acceso:
octubre 2017)
181
Figura 6.63. Precipitación registrada por la estación de Talla (La Libertad).
Figura 6.64. Precipitación registrada por la estación de Buena Vista (Ancash).
Figura 6.65. Precipitación registrada por la estación de Lachay (Lima).
182
Figura 6.66. Precipitación por la estación de Ocucaje (Ica).
La serie temporal de precipitación de la estación meteorológica de Talla

registra que los menores valores de precipitación se dan el año 2004 y el
máximo valor de precipitación fue el 2012.
La serie temporal de precipitación de la estación meteorología de Buena
Vista, (Figura 6.65), presenta valores de menor intensidad en comparación con
la serie temporal de la estación de Talla. Los mínimos valores de precipitación
ocurren en los años 2000, 2001, 2004, 2005, 2006, 2007 y 2008; y, los valores
máximos de precipitación, en el año 2012.
La serie de precipitación de la estación meteorológica de Lachay, Figura
6.66 es diferente de las series temporales de las demás estaciones, debido a
que esta estación está dentro de la loma y registra la contribución de la
humedad de las neblinas, en esta serie, se observa que hay precipitación
durante todos los años sin mostrar mucha diferencia entre los valores extremos
mínimo y máximo que se dan en los años 2004 y 2012 respectivamente.
Finalmente, la serie de tiempo de la estación meteorológica de Ocucaje es

la que registra los valores más bajos de precipitación, en relación con las
estaciones anteriores como se ve en Figura 6.67.
De las series de tiempo de la precipitación diaria, se calcula la precipitación
anual acumulada (Tabla 6.11) para hallar la correlación entre área anual de las
lomas con precipitación anual acumulada. Al graficar los datos de esta tabla, se
obtiene la variación de precipitación anual acumulada en el tiempo, (Figura
183
6.69), donde se observa que la estación meteorológica de Lachay registra los
mayores valores de precipitación anual acumulada, la siguiente estación
meteorológica con mayor precipitación anual acumulada es Talla, y la estación
meteorológica de Ocucaje prácticamente no registra precipitación.
Tabla 6.11. Datos de la precipitación anual acumulada de las estaciones

meteorológicas de Talla, Buena Vista, Lachay y Ocucaje, ubicadas en la costa
central del Perú, Figura 6.62.
Buena Vista Lachay Ocucaje

Talla (La Libertad)
Año (Ancash) (Lima) (Ica)
(mm)
(mm) (mm) (mm)
2000 34.2 0.91 150.5 6.4

2001 50.2 0.25 179.2 1.53
2002 37.7 10.46 198.6 2.68
2003 13.1 0.43 146.6 0.28
2004 14.4 4.31 99.8 4.45
2005 16.3 0 131.2 4.8
2006 36.3 2.5 117.3 1.99
2007 34 0 103.5 1.18
2008 51.7 3.5 199.2 9.2
2009 55 18.23 208.5 2.92
2010 59.2 5.8 153.4 0.72
2011 30.4 2.01 139.3 6.03

2012 71.6 44.11 205 2.97
2013 61.2 30 186.6 5.76
2014 15.1 2.9 98.4 0.58
184
Talla (La Libertad) Buena Vista (Chimbote)
Lachay ( Lima ) Ocucaje (Ica)
Precipitación anual cumulada
250
200
150
(mm)
100
50
Tiempo (año)
Figura 6.67. Precipitación anual acumulada de los datos de las estaciones de

Talla (la Libertad), Buena Vista (Ancash), Lachay (Lima), Ocucaje (Ica).
185
CAPÍTULO 7: DISCUSIÓN DE RESULTADOS
7.1 Caracterización de las lomas de la costa central del Perú
En base a la metodología implementada en la presente tesis ha sido posible

identificar lomas en la costa central del Perú y vigilar su desarrollo en el periodo
2000 - 2014, utilizando los parámetros de topografía y el NDVI.
Uno de los primeros resultados son los perímetros que encierran las lomas,
(Figura 6.18). Con la base de datos de Google Earth y la información de
coordenadas de las lomas encontradas en los estudios de (Veblen et al., 2007),
(Beresford et al., 2015), (Morisette et al., 2013) y (Giraldo et al., 2004) y se
verifican que, las áreas de vegetación dentro de los perímetros hallados son
lomas, porque las coordenadas de las lomas que se mencionan en los estudios
antes descritos se encuentran dentro de los perímetros hallados, asimismo,
base de datos de Google Earth con los nombres oficiales de las lomas otorga
información de latitud y longitud, los cuales también están dentro de los
perímetros hallados, (Figuras 7.1, 7.2, 7.3 y 7.4), descartándose de esta forma,
que las áreas de vegetación encontradas en los mapas pertenezcan a zonas
agrícolas o a la vegetación ribereña.
186
Figura 7. 1 Ubicación de las principales lomas de la costa de La Libertad en
el mapa de máximo valor compuesto del NDVI del producto MOD13Q1 (2000-
2014) que contiene los perímetros de las áreas de las lomas de la costa de la
Libertad (Cerro Cabezón: 7°54’S y 79°03’O, Cerro campana: 7° 57’S y 79°06’O,
Cerro cabras: 8°03’S y 79°02’O, Cerro Chiputur: 8°10’S y 78°56’O y Cerro
Negro: 8°18 ).
Fuente Google earth
187
Figura 7. 2 Ubicación de las principales lomas de la costa de Ancash en el
2014) que contiene los perímetros de las lomas de la costa de la Ancash (Cerro
Mongón: 9°37’ S, 78°17’O; Cerro Lupín: 10°38’S, 77°47’O ).
Fuente: Google Earth
188
Figura 7.3 Ubicación de las principales lomas de la costa de Lima en el mapa
contiene los perímetros de las lomas de la costa de la Lima (Lachay: 11°22S,
77°21’O; Villa maría: 12°08’S, 76°55’O; Manchay:12°09’S, 76°55’O; Carabayllo:
11°49’S, 77°04’O; Manzano: 12°11’S, 76°52’O; Pucara: 12°10’S, 76°50’O;
Lúcumo: 12°12’S, 76°53’O).
Fuente: Google Earth
189
Figura 7.4 Ubicación de las principales lomas de la costa de Ica en el mapa
contiene los perímetros de las lomas de la costa de Ica (Amará: 14°45’S
75°42’O; Marcona: 15°21’S, 75°03’).
Fuente: Goole earth
190
De las diversas lomas identificadas, se han seleccionado siete para ser
analizadas: Cerro Campana, Chiputur, Mongón, Lupín, Lachay y Amará, como
se muestran en las Figuras 6.22, 6.26, 6.30, 6.34, 6.38 y 6.42 respectivamente.
En estas lomas se evaluó la relación entre el NDVI y la altitud, del perfil
topográfico correspondiente. Los resultados muestran una correlación entre el
NDVI y la correspondiente altitud positiva mayor a 0.7 (Tabla 6.1), lo que
significa, que en las lomas el NDVI aumenta con la altitud hasta los 800 msnm
aproximadamente. En las lomas analizadas el primer valor del NDVI que
aumenta en forma proporcional con la altitud se le denomina umbral del NDVI
de la Formación de las Lomas. En todas las lomas analizadas, excepto en la
loma de Amará, que pertenece a la costa del departamento de Ica, el promedio
de los umbrales de formación del NDVI es 0.26 ± 0.03, y se encuentran a
una altura promedio de (259 ± 97.27) msnm, como se ve en la Tabla 6.1,
mientras que en la loma de Amará, el NDVI y la altitud empiezan a incrementar
de forma proporcional desde los 0 msnm hasta los 800 msnm, donde el NDVI
toma un valor máximo promedio de 0.39 , debido a esto, no se puede
determinar el umbral.
En el análisis de la relación del NDVI vs. altitud de las 7 lomas se observa

que el valor del NDVI asciende alrededor de 0.9, excepto en la loma de Amará,
donde el máximo valor asciende hasta 0.39. En este primer análisis se observa
también, que la loma de la costa del departamento de Ica tiene un
comportamiento diferente de las demás lomas, que sí tienen características
similares. En diversos estudios se han registrado imágenes de la superficie de
la loma de Amará, de cerro Campana y de Lachay, (Figuras 7.5, 7.6 y 7.7)
respectivamente, donde se aprecia que en la superficie de la loma de Amará
hay suelo desnudo entre grupos de vegetación, esto hace que el valor del NDVI
sea bajo y llegue solo a tener valores máximos de 0.39; mientras que en la
superficie de la loma de cerro Campana y Lachay, no se observa suelo
desnudo entre la vegetación, es por eso, que los valores del NDVI son altos y
llegan a aproximarse a 0.9.
191
Figura 7.5 Loma de Amará (Agosto 2013) (Beresford et al., 2015).
Figura 7.6 Loma de cerro Campana (Rodríguez et al., 2012).
192
Figura 7.7 Loma de Lachay (Hiking in National Reserve Lomas de Lachay
in its Greenest Months, 2018).
La relación del NDVI altitud permite:
1. Caracterizar las lomas en función del NDVI y la altitud.

2. Estimar el umbral del NDVI de la loma (transición, desierto loma).
3. Estimar la altitud de la base de la inversión térmica de la costa.
193
7.1.1 Influencia de la capa de inversión térmica en la formación de las
lomas
El mar peruano tiene la característica de tener aguas frías debido a la

influencia de la corriente de Humboldt; y disminuyen más su temperatura en las
regiones donde ocurre el fenómeno de afloramiento costero. Sobre esta
superficie marina fría, la atmósfera está cargada de humedad y tiene una
temperatura que disminuye con la altitud, que es una condición normal de la
atmósfera. Esta atmósfera, al entrar en contacto con las masas de aire caliente
y seco, provenientes del anticiclón del Pacifico sur, comienzan a enfriarse por
conducción de abajo hacia arriba, produciendo una inversión térmica, donde la
temperatura de la atmósfera aumenta con la altitud. Asimismo, la masa de aire
sobre la región donde se produce la inversión térmica es fría, lo que hace que
no aparezcan movimientos verticales para mezclar las masas de aire. Toda la
región en la cual la temperatura aumenta con la altitud se llama capa de
inversión térmica y es en el límite inferior de esta capa donde se produce la
condensación del agua que forma la neblina. Debido a la presencia de la capa
de inversión térmica, las neblinas entran a la costa, casi de forma horizontal,
sin ascender, ya que están limitadas por la parte inferior de esta capa de
inversión térmica.
En el estudio (Arellano y Calvo, 2009) está debidamente documentado,

entre qué alturas se encuentran los límites superiores e inferiores de la capa de
inversion térmica en la costa de Lima, como se ve en las Figuras 7.8 y 7.9,
donde se observa, que la base inferior tiene una altura máxima de 750 msnm
en la estación de invierno. En el párrofo anterior, sobre Influencia de la capa de
inversión térmica en la formación de las lomas, se indicó, que en el límite
inferior de la capa de inversión térmica se produce la condensacion del agua,
esta afirmación concuerda con el resultado obtenido en la sección 6.3.3.1 del
capítulo de Resultados de la presente investigación, donde se analizó la
relación del NDVI y altitud de las lomas de Lachay, (Figura 6.36). En esta figura
se observa que los máximos valores del NDVI se producen alrededor de los
683 msnm, y, a mayor altitud, el valor del NDVI decae, por tanto, la máxima
altura en la que llega a desarrollarse la vegetación de las lomas de Lachay es a
194
los 683 msnm; punto donde está el limite inferior máximo de la capa de
inversión térmica.
Figura 7. 8 Tope de la inversión térmica (1992-2005), es el límite superior

de la capa de inversión térmica y es variable según los meses del año, la
mayor altitud se da en los meses de junio, julio y agosto y asciende alrededor
de los 1600 msnm y la menor altitud se da en los meses de febrero y marzo y
llega alrededor de los 400 msnm (Arellano y Calvo, 2009).
Figura 7.9 Base de la inversión térmica (1992-2005), es el límite inferior de

la capa de inversión térmica, su altitud varía según los meses del año, la
máxima altitud se da los meses de junio, julio y agosto y llega a una altitud
alrededor de los 750 msnm y la mínima altitud se da en los meses de marzo y
abril y llega a una altitud aproximada de 200 msnm (Arellano y Calvo, 2009).
195
7.2 Análisis climatológico
Con los resultados del análisis climatológico de las lomas de la costa central
del Perú desarrolladas entre los años 2000-2014 se empieza a identificar
diversas diferencias entre las lomas con respecto a los siguientes puntos: la
extensión del área, la tendencia y valores extremos y el periodo.
7.2.1 Variación diaria del NDVI
La variación diaria del NDVI también conocida como series de tiempo del NDVI
son un conjunto de observaciones que informan sobre el promedio del NDVI de
las lomas cada 16 días, donde estos van indicando el estado de la vegetación
de las lomas. En el periodo 2000-2014 se observa que las series temporales de
las lomas de las costas de los departamentos de la Libertad, Ancash, Lima e
Ica tienen comportamientos diferentes tanto en variabilidad, tendencia, esto
quiere decir que los fenómenos que contribuyen a la formación de las lomas no
son las mismas a lo largo de la costa central del Perú.
Al observar las cuatro series temporales como una variación de la latitud se
encuentran ciertas similitudes entre estas, como por ejemplo que en todas
existe dos etapas en el desarrollo de la vegetación la primera entre enero del
2000 a junio del 2008 y julio del 2008 a diciembre del 2014 en los
departamentos de la Libertad, Ancash, Lima y de enero del 2000 a noviembre
del 2009 como primera etapa y de diciembre del 2010 a diciembre del 2014
como segunda etapa en Ica. Otra similitud que se encuentra en las cuatro
series es que existe un evento extremo máximo que se desarrolla a mediados
del 2008 en las costas de La Libertad, Ancash y Lima mientras que Ica se da
el 2010, el mejor desarrollo de la vegetación se da en la segunda etapa
principalmente en los tres primeros años.
Para interpretar la existencia de las dos etapas y la variabilidad del NDVI a lo
largo de los 15 años de estudio se recurre a la información que brindan los
índices El niño Oscilación Sur (ENSO) y el Índice Costero el Niño (ICEN) ya
que los cambios climáticos más significativos en la costa de américa del sur lo
asocian a estos índices que incluye el estudio de los fenómenos de La Niña y
El Niño.
196
El ENSO es un índice que interrelaciona el océano (El niño) con la
atmósfera (Oscilación sur) en la región tropical del océano pacífico (IMARPE,
2019), se calcula a partir de una operación aritmética entre los valores de
presión atmosférica del pacifico occidental con los del pacifico central, valores
que están asociados a los fenómenos climáticos el niño y la niña , el resultado
de esta operación se expresa mediante una fase cálida (El niño) y una fase fría
(la niña) (SENAMHI, 2014).
Figura 7.10 Índice de Oscilación del sur (IOS), los períodos prolongados de
valores negativos IOS coinciden con las aguas oceánicas anormalmente
cálidas (niño) y los periodos prolongados de valores positivos de IOS coinciden
las aguas oceánicas anormalmente frías (niña) en el pacifico oriental tropical. El
recuadro indica el periodo de estudio, el eje Y indica la intensidad del evento
climático, si es de 0-5 se considera evento normal de 0.5 a 1, evento débil de 1
a 1.5 evento moderado de 1.5 a 2 evento fuerte, mayor o igual a 2 evento muy
fuerte (NOAA, 2019).
El índice ICEN, se calcula como la media de tres meses consecutivos de

anomalías mensuales de la temperatura de la superficie del mar en la región
llamada niño 1+2, que comprende aproximadamente las regiones frente al
197
norte de Perú y ecuador, este índice sirve para monitorear el niño o la niña
frente a la costa del Perú, mientras que el ENSO refleja las condiciones a
mayor escala más representativas del pacifico central IGP.
Figura 7. 11 Índice Costero El Niño (ICEN) representa la variabilidad del

clima en el este del océano pacifico ecuatorial frente a Ecuador y Norte del
Perú, valores negativos representan eventos de la niña y valores positivos
representa eventos del niño (IMARPE, 2019)
Las lomas de la Libertad son las áreas más cercanas a la región 1+2 que es
de donde se saca los valores del ICEN si es que la variabilidad climática del
ICEN influye en la formación de las lomas de la costa central del Perú debe
notarse principalmente en las lomas de la costa de La Libertad. En la serie
temporal del ICEN Figura 7.11 en el periodo de estudios 2000 – 2014 no hay
eventos extremos de niño y niña, pero si eventos de niña fuerte a finales del
2007, finales del 2010 y el 2013, mientras que en la serie temporal de las lomas
de la Libertad Figura (6.53-a) se observa que el 2008, 2009 y 2010 hubo un
elevado incremento del NDVI y otro incremento de NDVI pero con menor
intensidad se da el 2000 y 2001 al comparar ambas series no se observa una
relación directa entre eventos fuertes de niña y máximo desarrollo del NDVI, la
serie de tiempo del NDVI de las lomas de Ancash aún tienen menos
coincidencia con el evento ICEN y las series de tiempo de las lomas de Lima e
Ica no guardan ninguna relación con este índice.
198
El Índice de Oscilación Sur en el periodo de estudios 2000 2014 presenta un
evento de niña muy fuerte a finales del 2010 e inicios del 2011, también hay
eventos de niña fuere el 2008 y 2012 (Figura 7.10), los años en los que los
eventos de la niña han tomado su máximo valor son comparados con las series
temporales del NDVI para determinar si tienen alguna influencia en la
formación de las lomas en la costa central.
Las series de tiempo de las lomas de la Libertad y de Ancash muestran un
máximo valor de NDVI el 2008, la serie de tiempo de las lomas de Lima tiene
un máximo valor de NDVI el 2011 y en la serie de tiempo de Ica tiene un
máximo valor el 2010. Los valores extremos del NDVI no coinciden con los
valores del IOS a excepción de la serie temporal de las lomas de Lima e Ica
De esto se concluye que los eventos extremo como niña muy fuerte influeyen
en determinadas regiones de la costa central, la abundancia que presenta las
lomas de la costa central en la segunda etapa no puede ser explicado con el
Índice Oscilación Sur (IOS).
7.2.2 Variación mensual
Según los resultados obtenidos en esta investigación, en el análisis de la

variación mensual del promedio del NDVI de las lomas de la costa central del
Perú, sección 6.4.2.1, del capítulo de Resultados, se observa que la vegetación
de las lomas de los departamentos de La Libertad, Ancash y Lima, dependen
de las estaciones del año, mientras que, la vegetación de las lomas de Ica tiene
bajos valores de NDVI y presenta pequeñas variaciones con las estaciones del
año como se observa en la Figura 6.56. Además, se observa que, en la costa
del departamento de La Libertad, la vegetación se desarrolla mejor en el
verano que en el invierno, a diferencia de las lomas de los departamentos de
Lima y Ancash, donde el máximo desarrollo de la vegetación se da en invierno.
Una posible explicación a este fenómeno es que las lomas de La Libertad estén
influenciadas por los fenómenos de lluvias que ocurren en el norte, que se
producen entre los meses de diciembre y abril y con mayor intensidad en el
mes de marzo, favoreciendo así, a las zonas donde se desarrollan las lomas de
la costa de La Libertad tengan mayor humedad en verano que en invierno.
199
7.2.3 Variación del área
Al calcular el área de las Lomas vs. Tiempo del periodo 2000-2014 se observa
que la costa del departamento de Lima tiene costa del departamento de La
Libertad, con un área promedio de 141.64 km 2, luego las lomas de la costa del
departamento de Ancash, con un valor de 111.43 km 2, finalmente, las lomas de
la costa del departamento de Ica, con un valor de 13.23 km 2.
Con respecto de las curvas de la variación del área en el tiempo, (Figura

6.51), se evidencia, que las lomas de la costa de La Libertad y Ancash tienen
tendencias similares en el tiempo, es decir, los valores extremos mínimo y
máximo se dan en los mismos años; mientras que, la variación del área de las
lomas de Lima e Ica tiene tendencias diferentes. Con esta información se
puede dividir la costa central del Perú en tres sectores:
1. El sector norte, conformado por la costa de los departamentos de La

Libertad y Ancash.
2. El sector centro, conformado por la costa del departamento de Lima.
3. El sector sur, conformado por la costa del departamento de Ica.
7.2.4 Presencia de neblinas a lo largo de la costa central del Perú
El desarrollo de las lomas no es uniforme a lo largo de la costa central del Perú

como queda demostrado al calcular el área de las lomas por departamentos
(Figura 6.51), esto significa que la cantidad de humedad de las neblinas no es
la misma a lo largo de la costa.
Según (Iribarne y Godson, 1981) la niebla se forma cuando una masa de
aire atmosférico se enfría isobáricamente (presión constante) hasta que su
temperatura desciende por debajo del punto de rocío, produciéndose la
condensación del vapor de agua. La condensación ocurre como gotas
microscópicas que se forman sobre núcleos de condensación nubosos (CCN).
Cuando los CCN aumentan de tamaño, disminuye la visibilidad, si la visibilidad
de la niebla es menor a 1000 m, el contenido de agua líquida es mayor a 0.5
g/m3, este contenido de agua es la principal fuente para la formación de las
200
lomas. El enfriamiento isobárico ocurre de manera natural cuando el aire se
mueve horizontalmente a presión constante y viaja a regiones más frías la
saturación ocurre a medida que el aire se enfría por conducción de calor
resultando la formación de nieblas a las que se les denomina nieblas de
advección, este tipo de niebla es común en las zonas costeras.
Los factores geográficos que proporcionan las condiciones físicas para la
formación de las nieblas de advección en la costa son: (1) el anticiclón del
Pacifico sur, (2) la temperatura de la superficie del mar frente al litoral peruano,
(3) el afloramiento de las aguas oceánicas (Gil and Olcina, 2017).
La influencia de los factores antes mencionados son diferente para el sector
norte, (La Libertad, Ancash), el sector centro, (Lima) y el sector sur, (Ica), lo
que hace que la cantidad de humedad de las neblinas varíe.
7.2.5 Condiciones geográficas y océano-atmosféricas para la

formación de las nieblas en la costa central del Perú
Primeramente, es necesario conocer algunas características físicas de la

plataforma continental frente a la costa central del Perú; por ejemplo, el ancho
de la plataforma continental y la velocidad de los vientos. Entre el
departamento de La Libertad y el departamento de Lima, la plataforma
continental tiene un ancho de 40 a 110 km, mientras que, entre los
departamentos de Ica y Tacna, la plataforma continental tiene un ancho de 5 a
28 km. Particularmente, la plataforma continental frente a la península de
Paracas tiene un ancho de 19 km. Asimismo, la intensidad de los vientos es
variable frente al litoral; la de menor intensidad (< 5 m/s), se presentan en el
norte, durante el verano. Estos vientos están asociados al desplazamiento
estacional de la zona de convergencia intertropical. En el sur se presenta la
mayor intensidad de viento en el invierno, frente a Pisco (> 7m/s), la misma que
está asociada al anticiclón del Pacifico sur (Correa et al, 2017). Cuando los
vientos soplan paralelos a la costa, la capa de agua superficial tiende a
desplazarse en su misma dirección. Pero, debido a la rotación de la Tierra, esta
capa superficial de agua sufre una desviación de su trayectoria hacia la
izquierda, debido al efecto coriolis, (hemisferio sur), generándose un vacío que
induce al afloramiento de las aguas subsuperficiales localizadas entre 50m a
201
100 metros de profundidad. Estas aguas tienen la característica de ser más
frías que las aguas superficiales. Estos afloramientos causan notables
anomalías térmicas. Como la intensidad de los vientos en Ica es mayor que en
el resto del litoral y el ancho de la plataforma continental es angosta, el
afloramiento proviene de zonas más profundas, provocando que la temperatura
del mar frente a Ica sea la más fría del litoral peruano (14°C-15°C), como se
puede apreciar en el mapa de la Figura 2.9 del capítulo Marco Teórico.
Según los resultados obtenidos en esta investigación (Figura 6.47)

relacionados a la variación del área de las lomas de la costa del departamento
de Ica, se observa, que a lo largo de los años 2000 a 2014, el área de las
lomas de Ica es prácticamente nula, siendo su valor promedio de 13.26 km 2, en
comparación con el área de las lomas del resto de los departamentos en
estudio. Este resultado muestra que en esta región hay poca formación de
nieblas, debido a que frente al departamento de Ica el agua del mar tiene la
temperatura más baja, que interfiere, probablemente, en la formación de
nieblas de advección, en consecuencia, no se desarrolla la vegetación de
lomas de forma abundante.
El mar peruano frente al Callao (12°S) se caracteriza por tener intenso

afloramiento costero, con temperaturas superficiales que oscila desde los
15.7°C hasta los 19.8 °C (Graco et al, 2016). El ancho de la plataforma
continental de esta región es de aproximadamente 40 km, lo que hace que las
aguas que afloran no provengan de regiones marinas más profundas, por tanto,
tienen mayor temperatura que las aguas frente a Ica, como se observa en el
mapa de temperaturas de la Figura 2.9.
Según los resultados obtenidos en esta investigación (Figura 6.47)

concerniente a la variación del área de las lomas en la costa del departamento
de Lima, se observa que, a lo largo de los años 2000 – 2014, el área de las
lomas de Lima es mayor y casi constante, con un valor promedio de 1164.8
km2 en comparación con las áreas de la loma de la costa de los otros
departamentos. Con este resultado se puede asumir que en esta región, sí hay
buena formación de neblinas. Como se mencionó en el párrafo anterior, frente
202
a Lima las aguas del mar tienen temperaturas frías, pero no tan bajas como las
temperaturas de las aguas frente a Ica. Esta poca frialdad probablemente
favorece la formación de neblinas en la costa del departamento de Lima.
7.2.6 Precipitación y área
Al hallar la correlación entre las áreas de las lomas de la costa central del Perú
y la precipitación anual acumulada de las estaciones meteorológicas; Talla,
Buena Vista, Lachay y Ocucaje, se obtuvo la siguiente información:
 El área de las lomas de la costa del departamento de La Libertad vs.

precipitación anual acumulada de la estación de Talla, tiene un coeficiente
de correlación de Pearson de 0.45, (Figura 7.10).
 El área de las lomas de la costa del departamento de Ancash vs.
precipitación anual acumulada de la estación meteorología de Buena Vista,
tiene un coeficiente de correlación Pearson de 0.18. (Figura 7.11).
 El área de las lomas de la costa del departamento de Lima vs. precipitación
anual acumulada de la estación meteorología de Lachay, tiene un coeficiente
de correlación de Pearson de 0.68, (Figura 7.12).
 El área de las lomas de la costa del departamento de Ica vs. precipitación
anual acumulada de la estación meteorología de Ocucaje, tiene un
coeficiente de correlación de Pearson de 0.17, (Figura 7.13).
Los coeficientes de correlación de Pearson en la costa de Ancash e Ica son

muy bajos, esto quiere decir, que las variables “precipitación acumulada” y
“área” no guardan una relación lineal. Es posible que el ambiente físico donde
están las estaciones meteorológicas no lleguen a representar el ambiente físico
de las lomas de estas regiones.
En el caso de La Libertad, el valor del coeficiente de Pearson es 0.45, esto

se puede interpretar como una relación lineal moderada entre la “precipitación
acumulada” y el “área”, pues, desde el 2000 hasta el 2011 el coeficiente de
correlación de Pearson es 0.89, y, en los demás años ya no se observa una
relación lineal, lo que hace disminuir el valor del coeficiente hasta 0.45. Por
203
estos resultados se puede afirmar que la precipitación guarda cierto grado de
relación con el área de las lomas de la costa de la Libertad.
En el caso de Lima el coeficiente de correlación de Pearson es 0.68, esto
significa que hay mejor relación lineal entre la “precipitación acumulada” y el
“área”, donde, a medida que una variable aumenta la otra también aumenta. Es
probable que la estación meteorológica de Lachay sí logra representar el
ambiente físico de gran parte de las lomas de la costa de Lima.
7.2.7 Anomalías
Al analizar las anomalías del NDVI de las lomas de la costa central del Perú,
(Figura 6.61), se observa que, entre los años 2002 y 2007, las anomalías son
negativas, mientras que, desde el 2008 hasta el 2011, las anomalías son
positivas. Para la explicación de estos fenómenos de déficit y exceso de
vegetación de las lomas, se recurrió a evaluar los datos de campo
de precipitación, en las regiones lo más cercanamente posibles a las lomas,
(Figura 6.62), debido a que, no hay estaciones meteorológicas dentro de las
lomas en estudio, a excepción de la estación meteorológica de Lachay que se
encuentra ubicada dentro de las lomas de Lachay, como fue explicado en el
capítulo de Resultados, sección 6.4.4.
204
CAPÍTULO 8: CONCLUSIONES
8.1 Conclusiones
Del análisis realizado en esta investigación, se concluye que:
 La metodología desarrollada, implementada y aplicada en la presente

investigación permite identificar, estudiar y caracterizar las lomas de la
costa central del Perú e investigar su climatología mediante el uso de
parámetros físicos: topografía del territorio, y el NDVI - datos imágenes
satelitales producto MODIS.
 Se ha determinado un umbral promedio de formación de las lomas de
0.26, a una altura promedio de 259 msnm ± 97.27, alcanzando el
máximo valor promedio de 0.86 ± 0.07 de NDVI a una altura promedio
de 677 ± 116.8 msnm, a partir del cual, el NDVI comienza a disminuir
con la altitud, desapareciendo las lomas totalmente alrededor de una
altura de 800 msnm, altitud en la que inicia la capa de inversión térmica.
 Los datos-imágenes NDVI del sensor MODIS a bordo del satélite
TERRA, la topografía de la misión SRTM y la metodología desarrollada
en esta investigación permiten identificar las siguientes características
de la climatología de las lomas de la costa central del Perú entre los
años 2000 y 2014:
- Las series de tiempo del NDVI de las lomas de la costa central del
Perú no fueron estacionarias en los años 2000-2014. Se
desarrollaron en dos épocas bien diferenciadas con una transición
repentina entre los meses de junio-julio 2007. Las variaciones
temporales en la primera época son mucho menores que en la
segunda. Las tendencias son ligeramente negativas para las
lomas de La Libertad y Ancash, y ligeramente positivas para
Lima. Los picos principales del espectro de potencia corresponden
a los periodos de seis y doce meses, para ambas épocas.
205
 El promedio anual del área de las lomas de la costa central de Perú,
tuvieron un mínimo en los años 2000- 2007 (primera época) y un
máximo desarrollo entre 2007-2014 (segunda época), en concordancia
de las series de tiempo del NDVI.
 Lima es el departamento que tiene el área promedio mayor de lomas de
los cuatro departamentos de la costa central de Perú. Le sigue el
promedio de las áreas de las lomas de La Libertad, luego las lomas de
Ancash y, finalmente, las de Ica.
 El desarrollo de las lomas en la costa de la Libertad, Ancash y Lima
es estacional. En primavera y verano se desarrollan al máximo. En
otoño e invierno, alcanzan su mínima extensión en el año.
 El comportamiento de la media anual del NDVI, de las lomas de la costa
central del Perú, muestra la ocurrencia de dos anomalías: una negativa
entre los años 2002-2007 y otra positiva entre los años 2007-2014.
Estas anomalías son corroboradas con las anomalías de la variación de
la precipitación anual acumulada es esta estación meteorológica de
Lachay, lo cual documenta la importancia del registro de la precipitación
local. Lachay es la única loma costera que cuenta con una estación
meteorológica. En consecuencia, para vigilar el desarrollo de las lomas
costeras del Perú, se debe instalar y operar estaciones meteorológicas
para diferenciar entre la contribución, al desarrollo de las lomas, de la
humedad por advección de la atmósfera oceánica al continente (su
ascenso pendiente arriba y condensación del vapor de agua en las
lomas), de la precipitación por trasvase de vapor de agua de la cuenca
atlántica y/o precipitación local en veranos anómalos.
 La metodología desarrollada y aplicada en la presente investigación
permite implementar un sistema de vigilancia operacional del ecosistema
de las lomas costeras en cuanto al impacto del impacto de la variabilidad
climática y la influencia antropogénica, mediante el uso de imágenes
satelitales del NDVI de alta resolución espacial y temporal de libre
acceso.
206
REFERENCIA
 Anastasios, T. (2007). An introduction to Atmospheric Thermodynamics.
wisconsin: Cambridge Univesity Press.
 Ancapichún, S. (2012). Variabilidad Del Anticiclón Del Pacífico Sur Y Su
Relación Con La Oscilación Decadal Del Pacífico:Implicancias
Oceanográficas A Lo Largo De La Costa Centro-Norte De Chile. Valdivia:
Escuela de Biologia Marina.
 Anculle, T. (2014). Modelo del inicio de la sequía en la Costa Norte del
Perú a partir del NDVI de los sensores AVHRR ,vegetación ,MODIS y los
datos ENOS (1982-2013 ). Lima: Tesis de maestría en Física , Facultad
de Ciencias Físicas .
 Arellano, C., y Calvo, M. (2009). Estudio de la variación estacional y
diurna de la Capa de inversión térmica en Lima - Perú. Lima: Facultad de
Ciencias Físicas, Universidad Nacional Mayor de San Marcos y Servicio
Nacional de Meteorologia e Hidrología del Perú.
 ArcMap. (2018). Función NDVI. Acceso el 19/05/2018, de
http://desktop.arcgis.com/es/arcmap/10.3/manage-data/raster-and-
images/ndvi-function.htm.
 Beresford, D., Pullen, A., Whaley, O., Moat, J., Chauca, G. and
Cadwallader, L. (2015). Re-evaluating the resource potential of lomas
fog oasis environments for Preceramic hunteregatherers under past
ENSO modes on the south coast of Peru.
 Brenes, Á., y Saborío, V. (1995). Elementos de climatología: su
aplicación didáctica a Costa Rica. Universidad Estatal a distancia.
 CGIAR CSI consortium for Spatial Information. (2017). Acceso el

19/05/2017 , de SRTM 90m Digital Elevation Database v4.1:
http://www.cgiar-csi.org/data/srtm-90m-digital-elevation-database-v4-1
 Cano, A., Roque, J., Arakaki, M., Arana, C., La Torre, M. y Llerena, N.
(1999). Diversidad floristica de las lomas de Lachay (Lima) durante el
evento " El niño" 1997 -98 ". Lima : Facultad de Ciencias.
207
 Chuvieco, E. (2002). Teledeteccion Ambiental. Barcelona: Ariel.
 Correa, D., Vazquez , L., y Gutiérrez, D. (2017). Intensificación Del
Viento Costero Frente Al Litoral Peruano Durante El Niño 2015-2016.
Instituto del Mar del Perú, 35-37.
 Didan, K., Barreto Muñoz, A., Ramon, S., and Huete, A. (2015).
MODIS Vegetation Index User’s Guide (MOD13 Series ). Guia de Usuario
Version 3.00 (Collection 6 ), Arizona.
 Dillon, M. (2005). The solanacease of the lomas formaatios of coastal
Peru and Chile. Monographs in Systematic Botany , 131-156.
 Data Products. (2017). Jet Propulsion Laboratory. Acceso 05/05/2017,

de Shuttle Radar Topography Mission:
https://www2.jpl.nasa.gov/srtm/datacoverage.html
 Google Earth Pro Acceso el 05 de 09 de 2015, de

https://www.google.com/earth/download/gep/agree.html.
 Giraldo, A., Pérez, D. y Arellano, G. (2004). Respuesta de la
comunidad de Arañas Epígeas (Araneae) en las Lomas de Lachay, Perú,
ante la ocurrencia del evento el niño 1997-98. 3.
 Graco, Michelle; Correa, David; Sarmiento, Miguel. (2016). Impactos
del ENSO en la biogeoquímica del sistema de afloramiento frente a Perú
central, febrero 2013-diciembre 2015. Boletín Trimestral Oceanográfico
volumen 2 Numero 1, 2-6.
 Graco, M., Ledesma, J., Flores, G., y Girón, M. (2006). Nutrientes,
oxígeno y procesos biogeoquímicos en el sistema de surgencias de la
corriente de Humboldt frente a Perú. Revista Peruana de Biología, 117-
128.
 Guerrero, J. (2015). Investigación De La Climatología De La Humedad
Atmosférica Y Su Relación Con La Sequía En La Costa Peruana
Utilizando Imágenes De Satélite Del Sensor Modis/Terra. Lima: Tesis de
maestría ,Facultad de Ciencias , Universidad Nacional Mayor de San
Marcos .
208
 Gultepe, I. (2007). Fog and Boundary Layer Clouds: Fog visibility and
Forescasting. Berlin: Birkhäuser .
 Gil, A., y Olcina, J. (2017). Tratado de climatología. Alicante: Universitat

d'Alacant.
 Jiménez, P., Talavera, C., Villegas, L., Huamán, E., y Ortega, A.

(1999). Condiciones meteorológicas en la lomas de Mejia en " El niño
1997-98 " y su influencia en la vegetación. Lima: Facultad de ciencias
biologicas.
 Hiking in National Reserve Lomas de Lachay in its Greenest Months.

(2018). Acceso el 2018 de 04 de 23, de https://rove.me/to/peru/national-
reserve-lomas-de-lachay
 Houze, R. (1993). Cloud Dynamics. United States of America: Academic
Press, Inc.
 Ignacio, Z., & Crespo, E. (2010). Meteorología y climatología. Madrid:
Printed in Spain
 IMARPE( Instituto del mar del Perú) . Acceso el 27 /11/2017, de Area
funcional de sensoramiento remoto , Monitoreo satelital diario de
parametro oceanografico :
http://satelite.imarpe.gob.pe/uprsig/presion/presion.html
 IMARPE. Instituto del mar peruano (2019). Acceso el 28 de 05 de 2019,

de Indice Costero el Niño (ICEN):
http://www.imarpe.gob.pe/imarpe/index.php?id_seccion=I0178090300000
000000000
 Iribarne, J., and Godson, W. (1981). Atmospheric Thermodynamics.

Toronto: D.Reidel Publishing Company .
 Jackson, R., and Huete, A. (1991). Interpreting vegetation indice. En
Preventive Veterinary Medicine (Vol. 11). Amsterdam : Elsevier Science
Publishers .
 Jiang, Z., Huete, A., Li, J. and Qi, J. (2007). Interpretation of the
modified soil -adjusted vegetation index isolines in red-NIR reflectance
space. En Journal of Applied Remote Sensing (Vol. 1).
209
 Jiménez, P., Talavera, C., Villegas, L., Huamán, E., y Ortega, A.
(1999). Condiciones meteorológicas en la lomas de Mejia en " El niño
1997-98 " y su influencia en la vegetación. En J. Tarazona, y E. Castillo,
El niño 1997-98 y su impacto sobre los ecosistemas Marinos y
Terrestres. Lima: Facultad de ciencias biologicas.
 Lutgens, F., y Tarbuck, E. (2013). The Atmosphere an introduction to
meteorology. United States of America: Pearson.
 Lettau, H., y Rutllant-Costa, J. (1978). Characteristic Winds and

boundary layer meteorology of the arid zones in Peru and Chile, in
Exploring the World's Driest Climate. Madison: Univ. of Wisconsin.
 Martínez, F. (2003). Meteorología aplicada a la navegación. Barcelona:

Universidad Politecnica de Cataluña.
 MINAN (Ministerio del ambiente) (2011). La Desertificacion en el Perú,
Cuarta Comunicacion Nacional del Perú a la Convección de Lucha contra
la Desertificación y la Sequía. Lima: Fondo Editorial del MINAN.
 Morisette, J., Privette, J., y Christopher O., J. (2002). A framework for
the validation of MODIS Land products. Remote Sensing of Environment,
83(77-96), 77-96.
 Morón, O. (2000). Caracteristicas del ambiente marino frente a la costa
peruana. Bol.Inst. Mar Perú, 179-204.
 MRTweb. (MODIS Reprojection Tool Web). Acceso el 12 /12 / 2015, de
https://mrtweb.cr.usgs.gov/
 Manrique, R. (2011). El Niño Southern Oscillation And Its Effect On Fog

Oases Along The Peruvian And Chilean Coastal Deserts. Bologna:
Universitá di Bologna.
 National Weather Service.Radiation Fog Acceso el 2017 / 12 / 09, de

National Oceanic and Atmospheric Administration:
https://www.weather.gov/safety/fog-radiation.
 National Weather Service.Advection Fog Acceso el 2017 / 12 / 09, de
National Oceanic and Atmospheric Administration:
https://www.weather.gov/safety/fog-advection.
210
 NOAA. (2019). National center for enviromental information. Recuperado
el 28 de 05 de 2019, de Southern Oscillation Index (SOI):
https://www.ncdc.noaa.gov/teleconnections/enso/indicators/soi/
 Ochoa, C. (1999). Las papas de Sudamerica:Perú , Parte 1. Lima: Allen

Press .
 Petterssen, S. (1941). Introduction to Meteorlogy. United States of
America: Mcgraw-Iiill Book Company, Inc.
 Pettorelli, N., Vik, J., Mysterud, A., Gaillard, J., Tucker, C., and
Stenseth, N. (2005). Using the satellite-derived NDVI to assess
ecological responses to environmental change. 20(9).
 Pulgar, J. (1987). Geografía del Perú : las ocho regiones naturales , la
regionalización tranversal , la microregionalización (Vol. 9). PEISA.
 Rostworowski, M. (1981). Recursos naturales renovables y pesca.

Siglos XVI y XVII. Lima: Instituto de estudios peruanos .
 Rodríguez, E., Liza, V., Martínez, B., Pollack, L., González, S. y Mario,
Z., (2012). Loma El Cerro Campana, Patrimonio Natural Y Cultural De La
Región La Libertad. (23).
 Rundel, P., Dillon, M., Palma, B., Mooney, H., y Ehleringer , R. (1991).
The Phytogeografhy and Ecology of the Coastal Atacama and Peruvian
Deserts. Los angeles : Aliso.
 SENAMHI (Servicion Nacional de Meteorologia e Hidrologia del
Perú), Estaciones automáticas. Acceso el 2017 de 12 de 17, de
http://www.senamhi.gob.pe/?p=estaciones-automaticas
 SENAMHI (Servicion Nacional de Meteorologia e Hidrologia del
Peru), inicios de estacion. Acceso el 08 de 05 de 2018, de
http://senamhi.gob.pe/?p=mapa-climatico-del-peru
 Sobrino, J. A. (2000). Teledetección. Valencia: Los Autores.
 Services Golden Gate Weather. (2018). El Niño and La Niña Years and
Intensities Based on Oceanic Niño Index (ONI). Recuperado el 2018 de
10 de 18, de https://www.ggweather.com/enso/oni.htm.
211
 SENAMHI. (2014). El fenómeno El niño en el Perú. Lima: TAWA.
 Tljaard, J. (1972). Meteorology of the southern Hemisphere.

Meteorological Monographs, 139-213.
 Trujillo, D., and Delgado, A. (2011). Aa from lomas formations. A new
Orchidaceae record from the desert coast of Perú. 11(1 ).
 U.S.Releases Enhanced Shuttle Land Elevation Data, (Shuttle Radar
Topography Mission the mission to map the word) Acceso el 2017
/12 /29, https://www2.jpl.nasa.gov/srtm/
 Veblen, T., Young, K., and Orme, A. (2007). The Physical geography of
South America. Oxford: Oxford University Press.
 Velásquez, M. (2013). Variación de la composición florística de las lomas
de Tacahuay desde el pleistoseno hasta la actualidad (Tacna-Perú).
Lima: Tesis.
 Wallace, J., and Hobbs, P. (2005). Atmospheric Science an introductory
survey. Canada: ELSEVIER.
 Wallace, J., and Hobbs, P. (2006). Atmospheric Science. Canada :

Elsevier.
 Weng, Q. (2011). Advances in Environmental Remote Sensing , Sensor ,

Algorithms ,and Applications. Estados Unidos de Norteamerica: Taylor
and Francis Group ,LLC..
 Yagüe, J. (2000). Una serie multitemporal de 87 NDVI-MVC sobre
Castilla y León. Anales de Geografía de la Universidad Complutense,
397-415.
 Zuta , S., y Guillen , O. (1970). Oceanografía de las aguas costeras del
Perú. Instituto del mar del Perú ,Boletin N°5, 161-254.
212
ANEXO A
Datos MOD13Q1 del año 2002 adquiridos cada 16 días

De la misma manera se ha adquirido datos entre el 2000 y el 2014
213
ANEXO B
pro create_composite_define_buttons, buttonInfo

compile_opt idl2
envi_define_menu_button, buttonInfo, value = 'Create Composite',
event_pro='create_composite', POSITION='last', ref_value = 'Basic
Tools',uvalue='Create Composite'
end
pro composite_functions, fid, pos, max_val=max_val, min_val=min_val,

mean_val=mean_val
compile_opt idl2
envi_file_query, fid, ns=ns, nl=nl, nb=nb, data_type=dt, dims=dims
inherit = envi_set_inheritance(fid, dims, /spatial)
output_file = dialog_pickfile(title='Select Output File Name and
Location')
if output_file eq '' then return
openw, lun, output_file, /get_lun
if keyword_set(max_val) then begin
envi_report_init, title='Maximum Value Composite Image
Creation',['Accessing data from original file...','Creating Composite
Image...'],base=base, /interrupt
envi_report_inc, base, nl-1
for i=0, nl-1 do begin
envi_report_stat, base, i, nl-1, cancel=cancel
if cancel eq 1 then begin
envi_report_init, base=base, /finish
free_lun, lun
file_delete, output_file
return
endif
slice = envi_get_slice(fid=fid, line=i, pos=pos, xs=0, xe=ns-1, /bip)
for j=0, ns-1 do begin max_value = max(slice[*,j])
writeu, lun, max_value
endfor
endfor
envi_setup_head, inherit=inherit, nb=1, data_type=dt,
fname=output_file,interleave=0, ns=ns, nl=nl, offset=0, /write
endif
if keyword_set(min_val) then begin
envi_report_init, title='Minimum Value Composite Image Creation',
['Accessing data from original file...','Creating Composite
Image...'], base=base, /interrupt
free_lun, lun
return
endif
for j=0, ns-1 do begin
min_value = min(slice[*,j])
writeu, lun, min_value
endfor
endfor
214
envi_setup_head, inherit=inherit, nb=1, data_type=dt,
fname=output_file, interleave=0, ns=ns, nl=nl, offset=0, /write
endif
if keyword_set(mean_val) then begin
envi_report_init, title='Mean Value Composite Image Creation',
['Accessing data from original file...','Creating Composite
Image...'], base=base, /interrupt
free_lun, lun
return
endif
slice = float(slice)
for j=0, ns-1 do begin
mean_value = mean(slice[*,j])
writeu, lun, mean_value
endfor
endfor
envi_setup_head, inherit=inherit, nb=1, data_type=4,
fname=output_file, interleave=0, ns=ns, nl=nl, offset=0, /write
endif
free_lun, lun
envi_open_file, output_file
end
pro create_composite, event
compile_opt idl2
envi_select, fid=input_fid, /file_only, pos=pos, title='F:\max
compuesto NDVI 2014',/no_dims
if (input_fid[0] eq -1) then return
base = widget_auto_base(title='Type?')
list = ['Minimum Value', 'Maximum Value', 'Mean Value']
choice = widget_menu(base, list=list, /excl, /auto, uvalue='choice',
rows=3)
result = auto_wid_mng(base)
if (result.accept eq 0) then return
if result.choice eq 0 then begin composite_functions, input_fid, pos,
/min_val
endif
if result.choice eq 1 then begin composite_functions, input_fid, pos,
/max_val
endif
if result.choice eq 2 then begin
composite_functions, input_fid, pos, /mean_val
endif
end
215
ANEXO C
Valores de NDVI y Altitud adquiridos de los perfiles topográficos con sus
respectivas coordenadas geográficas que pasan por las lomas Cerro Campana
y Cerro Chiputor en la costa de la Libertad, Cerro Mongón, Cerro Lupin en la
costa del Ancash, Loma de lachay en la costa de Lima y finalmente lomas de
Amará en la costa de Ica.
; ENVI Output of ROIs (4.8) [Wed Nov 09 11:15:38 2016]

; Number of ROIs: 1
; File Dimension: 2385 x 4027
;
; ROI name: EVF: Layer: Perfil AB NDVI Cerro_Campana.shp
; ROI rgb value: {255, 255, 255}
; ROI npts: 37
; ID X Y Lat Lon B1
1 282 486 -7.968599 -79.097683 0.1895
2 281 487 -7.970708 -79.099792 0.2198
3 280 488 -7.972818 -79.101902 0.4225
4 280 489 -7.974927 -79.101902 0.5391
5 279 490 -7.977036 -79.104011 0.6022
6 278 491 -7.979146 -79.106120 0.5304
7 278 491 -7.979146 -79.106120 0.5304
8 277 492 -7.981255 -79.108230 0.5690
9 276 493 -7.983364 -79.110339 0.6968
10 276 494 -7.985474 -79.110339 0.7881
11 275 495 -7.987583 -79.112448 0.7238
12 275 496 -7.989692 -79.112448 0.7254
13 274 497 -7.991801 -79.114557 0.5559
14 273 498 -7.993911 -79.116667 0.4045
15 273 499 -7.996020 -79.116667 0.3885
16 272 500 -7.998129 -79.118776 0.3901
17 271 501 -8.000239 -79.120885 0.2674
18 271 502 -8.002348 -79.120885 0.2562
19 270 503 -8.004457 -79.122995 0.2163
216
20 269 504 -8.006567 -79.125104 0.2809
21 269 505 -8.008676 -79.125104 0.3347
22 268 506 -8.010785 -79.127213 0.2406
23 267 507 -8.012895 -79.129323 0.1738
24 267 508 -8.015004 -79.129323 0.2245
25 266 509 -8.017113 -79.131432 0.1504
26 266 510 -8.019222 -79.131432 0.1450
27 265 511 -8.021332 -79.133541 0.1400
28 264 512 -8.023441 -79.135651 0.1183
29 264 513 -8.025550 -79.135651 0.1178
30 263 514 -8.027660 -79.137760 0.1132
31 262 515 -8.029769 -79.139869 0.1194
32 262 516 -8.031878 -79.139869 0.1160
33 261 517 -8.033988 -79.141978 0.1255
34 260 518 -8.036097 -79.144088 0.1443
35 260 519 -8.038206 -79.144088 0.1443
36 259 520 -8.040316 -79.146197 0.1435
37 258 521 -8.042425 -79.148306 0.2012

; Number of ROIs: 1
;
; ROI name: EVF: Layer: Perfil AB Altitud Cerro_Campana.shp
; ROI rgb value: {255, 255, 255}
; ROI npts: 37
; ID X Y Lat Lon B1
1 285 491 -7.966667 -79.097917 324.0000
2 284 492 -7.968750 -79.100000 375.0000
3 283 494 -7.972917 -79.102083 640.0000
4 283 494 -7.972917 -79.102083 640.0000
5 282 495 -7.975000 -79.104167 733.0000
6 281 497 -7.979167 -79.106250 945.0000
7 281 497 -7.979167 -79.106250 945.0000
217
8 280 498 -7.981250 -79.108333 895.0000
9 280 500 -7.985417 -79.108333 521.0000
10 279 500 -7.985417 -79.110417 517.0000
11 278 501 -7.987500 -79.112500 387.0000
12 277 503 -7.991667 -79.114583 283.0000
13 278 503 -7.991667 -79.112500 312.0000
14 276 504 -7.993750 -79.116667 320.0000
15 275 506 -7.997917 -79.118750 286.0000
16 276 506 -7.997917 -79.116667 309.0000
17 274 507 -8.000000 -79.120833 261.0000
18 274 509 -8.004167 -79.120833 245.0000
19 273 509 -8.004167 -79.122917 222.0000
20 272 510 -8.006250 -79.125000 222.0000
21 271 512 -8.010417 -79.127083 199.0000
22 272 512 -8.010417 -79.125000 208.0000
23 270 513 -8.012500 -79.129167 189.0000
24 270 515 -8.016667 -79.129167 174.0000
25 269 515 -8.016667 -79.131250 159.0000
26 268 516 -8.018750 -79.133333 146.0000
27 267 518 -8.022917 -79.135417 121.0000
28 268 518 -8.022917 -79.133333 125.0000
29 266 519 -8.025000 -79.137500 107.0000
30 265 521 -8.029167 -79.139583 88.0000
31 266 521 -8.029167 -79.137500 90.0000
32 264 522 -8.031250 -79.141667 80.0000
33 263 524 -8.035417 -79.143750 61.0000
34 264 524 -8.035417 -79.141667 69.0000
35 263 525 -8.037500 -79.143750 61.0000
36 261 527 -8.041667 -79.147917 5.0000
37 262 527 -8.041667 -79.145833 34.0000

; Number of ROIs: 1
218
; ROI name: EVF: Layer: Perfil B’C NDVI Cerro_ Chiputur.shp
; ROI rgb value: {255, 255, 255}
; ROI npts: 82
; ID X Y Lat Lon B1
1 356 565 -8.135235 -78.941594 0.4416
2 356 566 -8.137344 -78.941594 0.4378
3 356 567 -8.139453 -78.941594 0.4628
4 356 568 -8.141562 -78.941594 0.3150
5 356 569 -8.143672 -78.941594 0.2169
6 356 570 -8.145781 -78.941594 0.2074
7 356 571 -8.147890 -78.941594 0.2560
8 356 572 -8.150000 -78.941594 0.5140
9 356 572 -8.150000 -78.941594 0.5140
10 355 573 -8.152109 -78.943703 0.2684
11 355 574 -8.154218 -78.943703 0.2183
12 355 575 -8.156328 -78.943703 0.2579
13 355 576 -8.158437 -78.943703 0.2248
14 355 577 -8.160546 -78.943703 0.2929
15 355 578 -8.162656 -78.943703 0.3817
16 355 579 -8.164765 -78.943703 0.3847
17 355 580 -8.166874 -78.943703 0.4000
18 355 581 -8.168984 -78.943703 0.4116
19 355 582 -8.171093 -78.943703 0.6200
20 355 583 -8.173202 -78.943703 0.8461
21 355 584 -8.175311 -78.943703 0.8461
22 355 585 -8.177421 -78.943703 0.8496
23 355 586 -8.179530 -78.943703 0.8496
24 355 587 -8.181639 -78.943703 0.8237
25 355 588 -8.183749 -78.943703 0.9277
26 355 589 -8.185858 -78.943703 0.8572
27 354 590 -8.187967 -78.945813 0.8572
28 354 591 -8.190077 -78.945813 0.5868
29 354 592 -8.192186 -78.945813 0.4464
30 354 593 -8.194295 -78.945813 0.2600
219
31 354 594 -8.196405 -78.945813 0.2433
32 354 595 -8.198514 -78.945813 0.1781
33 354 596 -8.200623 -78.945813 0.1714
34 354 597 -8.202732 -78.945813 0.1901
35 354 598 -8.204842 -78.945813 0.1874
36 354 599 -8.206951 -78.945813 0.1942
37 354 600 -8.209060 -78.945813 0.2017
38 354 601 -8.211170 -78.945813 0.2161
39 354 602 -8.213279 -78.945813 0.2655
40 354 603 -8.215388 -78.945813 0.2667
41 354 604 -8.217498 -78.945813 0.3552
42 354 605 -8.219607 -78.945813 0.3204
43 354 606 -8.221716 -78.945813 0.3942
44 354 607 -8.223826 -78.945813 0.7408
45 353 608 -8.225935 -78.947922 0.8240
46 353 609 -8.228044 -78.947922 0.8335
47 353 610 -8.230154 -78.947922 0.8386
48 353 611 -8.232263 -78.947922 0.8344
49 353 612 -8.234372 -78.947922 0.7802
50 353 613 -8.236481 -78.947922 0.7805
51 353 614 -8.238591 -78.947922 0.7695
52 353 615 -8.240700 -78.947922 0.7695
53 353 616 -8.242809 -78.947922 0.8327
54 353 617 -8.244919 -78.947922 0.8327
55 353 618 -8.247028 -78.947922 0.7749
56 353 619 -8.249137 -78.947922 0.7775
57 353 620 -8.251247 -78.947922 0.7749
58 353 621 -8.253356 -78.947922 0.7755
59 353 622 -8.255465 -78.947922 0.7464
60 353 623 -8.257575 -78.947922 0.6994
61 353 624 -8.259684 -78.947922 0.6706
62 352 625 -8.261793 -78.950031 0.6778
63 352 626 -8.263902 -78.950031 0.8300
64 352 627 -8.266012 -78.950031 0.8085
220
65 352 628 -8.268121 -78.950031 0.8494
66 352 629 -8.270230 -78.950031 0.8494
67 352 630 -8.272340 -78.950031 0.8210
68 352 631 -8.274449 -78.950031 0.6666
69 352 632 -8.276558 -78.950031 0.6916
70 352 633 -8.278668 -78.950031 0.5919
71 352 634 -8.280777 -78.950031 0.4415
72 352 635 -8.282886 -78.950031 0.2783
73 352 636 -8.284996 -78.950031 0.1884
74 352 637 -8.287105 -78.950031 0.1471
75 352 638 -8.289214 -78.950031 0.1675
76 352 639 -8.291323 -78.950031 0.1675
77 352 640 -8.293433 -78.950031 0.3357
78 352 641 -8.295542 -78.950031 0.3909
79 351 642 -8.297651 -78.952141 0.2903
80 351 643 -8.299761 -78.952141 0.2824
81 351 644 -8.301870 -78.952141 0.0000
82 351 645 -8.303979 -78.952141 0.0000

; Number of ROIs: 1
;
; ROI name: EVF: Layer: Perfil B’C altitude Cerro_
Chiputur.shp
; ROI rgb value: {255, 255, 255}
; ROI npts: 82
; ID X Y Lat Lon B1
1 360 572 -8.135417 -78.941667 134.0000
2 360 572 -8.135417 -78.941667 134.0000
3 360 573 -8.137500 -78.941667 143.0000
4 360 575 -8.141667 -78.941667 224.0000
5 360 575 -8.141667 -78.941667 224.0000
221
6 360 576 -8.143750 -78.941667 245.0000
7 360 578 -8.147917 -78.941667 343.0000
8 360 578 -8.147917 -78.941667 343.0000
9 360 579 -8.150000 -78.941667 377.0000
10 360 581 -8.154167 -78.941667 510.0000
11 359 581 -8.154167 -78.943750 650.0000
12 359 582 -8.156250 -78.943750 718.0000
13 359 584 -8.160417 -78.943750 955.0000
14 359 584 -8.160417 -78.943750 955.0000
15 359 585 -8.162500 -78.943750 1055.0000
16 359 587 -8.166667 -78.943750 1079.0000
17 359 587 -8.166667 -78.943750 1079.0000
18 359 588 -8.168750 -78.943750 1060.0000
19 359 590 -8.172917 -78.943750 859.0000
20 359 590 -8.172917 -78.943750 859.0000
21 359 591 -8.175000 -78.943750 845.0000
22 359 593 -8.179167 -78.943750 821.0000
23 359 593 -8.179167 -78.943750 821.0000
24 359 594 -8.181250 -78.943750 823.0000
25 359 596 -8.185417 -78.943750 674.0000
26 359 596 -8.185417 -78.943750 674.0000
27 359 597 -8.187500 -78.943750 587.0000
28 358 599 -8.191667 -78.945833 445.0000
29 358 599 -8.191667 -78.945833 445.0000
30 358 600 -8.193750 -78.945833 427.0000
31 358 602 -8.197917 -78.945833 349.0000
32 358 602 -8.197917 -78.945833 349.0000
33 358 603 -8.200000 -78.945833 318.0000
34 358 605 -8.204167 -78.945833 282.0000
35 358 605 -8.204167 -78.945833 282.0000
36 358 606 -8.206250 -78.945833 278.0000
37 358 608 -8.210417 -78.945833 261.0000
38 358 608 -8.210417 -78.945833 261.0000
39 358 609 -8.212500 -78.945833 260.0000
222
40 358 611 -8.216667 -78.945833 247.0000
41 358 611 -8.216667 -78.945833 247.0000
42 358 612 -8.218750 -78.945833 253.0000
43 358 614 -8.222917 -78.945833 248.0000
44 358 614 -8.222917 -78.945833 248.0000
45 357 615 -8.225000 -78.947917 232.0000
46 357 617 -8.229167 -78.947917 216.0000
47 357 617 -8.229167 -78.947917 216.0000
48 357 618 -8.231250 -78.947917 211.0000
49 357 620 -8.235417 -78.947917 198.0000
50 357 620 -8.235417 -78.947917 198.0000
51 357 621 -8.237500 -78.947917 193.0000
52 357 623 -8.241667 -78.947917 178.0000
53 357 623 -8.241667 -78.947917 178.0000
54 357 624 -8.243750 -78.947917 168.0000
55 357 626 -8.247917 -78.947917 158.0000
56 357 626 -8.247917 -78.947917 158.0000
57 357 627 -8.250000 -78.947917 146.0000
58 357 629 -8.254167 -78.947917 131.0000
59 357 629 -8.254167 -78.947917 131.0000
60 357 630 -8.256250 -78.947917 122.0000
61 356 632 -8.260417 -78.950000 102.0000
62 357 632 -8.260417 -78.947917 105.0000
63 356 633 -8.262500 -78.950000 96.0000
64 356 635 -8.266667 -78.950000 83.0000
65 356 635 -8.266667 -78.950000 83.0000
66 356 636 -8.268750 -78.950000 73.0000
67 356 638 -8.272917 -78.950000 53.0000
68 356 638 -8.272917 -78.950000 53.0000
69 356 639 -8.275000 -78.950000 69.0000
70 356 641 -8.279167 -78.950000 35.0000
71 356 641 -8.279167 -78.950000 35.0000
72 356 642 -8.281250 -78.950000 46.0000
73 356 644 -8.285417 -78.950000 44.0000
223
74 356 644 -8.285417 -78.950000 44.0000
75 356 645 -8.287500 -78.950000 46.0000
76 356 647 -8.291667 -78.950000 46.0000
77 356 647 -8.291667 -78.950000 46.0000
78 356 648 -8.293750 -78.950000 43.0000
79 355 650 -8.297917 -78.952083 5.0000
80 355 650 -8.297917 -78.952083 5.0000
81 355 651 -8.300000 -78.952083 0.0000
82 355 653 -8.304167 -78.952083 0.0000

; Number of ROIs: 1
;
; ROI name: EVF: Layer: Perfil C’D Cerro Mongón_altitud.shp
; ROI rgb value: {255, 255, 255}
; ROI npts: 24
; ID X Y Lat Lon B1
1 669 1275 -9.600000 -78.297917 324.0000
2 667 1277 -9.604167 -78.302083 374.0000
3 668 1277 -9.604167 -78.300000 365.0000
4 666 1278 -9.606250 -78.304167 401.0000
5 665 1280 -9.610417 -78.306250 467.0000
6 665 1280 -9.610417 -78.306250 467.0000
7 664 1281 -9.612500 -78.308333 548.0000
8 662 1283 -9.616667 -78.312500 760.0000
9 663 1283 -9.616667 -78.310417 714.0000
10 661 1284 -9.618750 -78.314583 955.0000
11 659 1286 -9.622917 -78.318750 862.0000
12 660 1286 -9.622917 -78.316667 961.0000
13 659 1287 -9.625000 -78.318750 793.0000
14 657 1289 -9.629167 -78.322917 531.0000
15 658 1289 -9.629167 -78.320833 572.0000
224
16 656 1290 -9.631250 -78.325000 473.0000
17 654 1292 -9.635417 -78.329167 204.0000
18 655 1292 -9.635417 -78.327083 262.0000
19 654 1293 -9.637500 -78.329167 200.0000
20 652 1295 -9.641667 -78.333333 171.0000
21 653 1295 -9.641667 -78.331250 207.0000
22 651 1296 -9.643750 -78.335417 105.0000
23 649 1298 -9.647917 -78.339583 0.0000
24 649 1298 -9.647917 -78.339583 0.0000

; Number of ROIs: 1
;
; ROI name: EVF: Layer: Perfil C’D Cerro_Mongon_NDVI.shp
; ROI rgb value: {255, 255, 255}
; ROI npts: 24
; ID X Y Lat Lon B1
1 661 1260 -9.601205 -78.298254 0.1674
2 660 1261 -9.603314 -78.300364 0.1555
3 659 1262 -9.605424 -78.302473 0.1555
4 658 1263 -9.607533 -78.304582 0.1319
5 658 1264 -9.609642 -78.304582 0.1098
6 657 1265 -9.611752 -78.306692 0.1174
7 656 1266 -9.613861 -78.308801 0.1071
8 655 1267 -9.615970 -78.310910 0.1947
9 654 1268 -9.618079 -78.313020 0.2676
10 653 1269 -9.620189 -78.315129 0.2676
11 653 1270 -9.622298 -78.315129 0.5231
12 652 1271 -9.624407 -78.317238 0.6604
13 651 1272 -9.626517 -78.319348 0.8298
14 650 1273 -9.628626 -78.321457 0.8271
15 649 1274 -9.630735 -78.323566 0.8698
225
16 648 1275 -9.632845 -78.325676 0.5263
17 648 1276 -9.634954 -78.325676 0.2180
18 647 1277 -9.637063 -78.327785 0.2203
19 646 1278 -9.639173 -78.329894 0.1314
20 645 1279 -9.641282 -78.332003 0.1225
21 644 1280 -9.643391 -78.334113 0.0998
22 643 1281 -9.645501 -78.336222 0.1021
23 642 1283 -9.649719 -78.338331 0.0000
24 642 1283 -9.649719 -78.338331 0.0000

; Number of ROIs: 1
;
; ROI name: EVF: Layer: Perfil D’E Cerro_Lupin_Altitud.shp
; ROI rgb value: {255, 255, 255}
; ROI npts: 59
; ID X Y Lat Lon B1
1 899 1661 -10.404167 -77.818750 705.0000
2 901 1661 -10.404167 -77.814583 690.0000
3 898 1662 -10.406250 -77.820833 703.0000
4 898 1662 -10.406250 -77.820833 703.0000
5 896 1664 -10.410417 -77.825000 751.0000
6 897 1664 -10.410417 -77.822917 729.0000
7 895 1665 -10.412500 -77.827083 805.0000
8 893 1667 -10.416667 -77.831250 948.0000
9 894 1667 -10.416667 -77.829167 997.0000
10 891 1668 -10.418750 -77.835417 937.0000
11 889 1670 -10.422917 -77.839583 1129.0000
12 889 1670 -10.422917 -77.839583 1129.0000
13 890 1670 -10.422917 -77.837500 1091.0000
14 888 1671 -10.425000 -77.841667 1296.0000
15 886 1673 -10.429167 -77.845833 1194.0000
226
16 887 1673 -10.429167 -77.843750 1192.0000
17 885 1674 -10.431250 -77.847917 1107.0000
18 882 1676 -10.435417 -77.854167 1195.0000
19 884 1676 -10.435417 -77.850000 1056.0000
20 881 1677 -10.437500 -77.856250 1216.0000
21 881 1677 -10.437500 -77.856250 1216.0000
22 879 1679 -10.441667 -77.860417 1139.0000
23 880 1679 -10.441667 -77.858333 1123.0000
24 878 1680 -10.443750 -77.862500 1086.0000
25 876 1682 -10.447917 -77.866667 873.0000
26 877 1682 -10.447917 -77.864583 792.0000
27 874 1683 -10.450000 -77.870833 777.0000
28 873 1685 -10.454167 -77.872917 696.0000
29 872 1685 -10.454167 -77.875000 729.0000
30 872 1685 -10.454167 -77.875000 729.0000
31 871 1686 -10.456250 -77.877083 661.0000
32 869 1688 -10.460417 -77.881250 512.0000
33 870 1688 -10.460417 -77.879167 629.0000
34 868 1689 -10.462500 -77.883333 399.0000
35 865 1691 -10.466667 -77.889583 283.0000
36 867 1691 -10.466667 -77.885417 373.0000
37 864 1692 -10.468750 -77.891667 259.0000
38 864 1692 -10.468750 -77.891667 259.0000
39 862 1694 -10.472917 -77.895833 224.0000
40 863 1694 -10.472917 -77.893750 228.0000
41 861 1695 -10.475000 -77.897917 204.0000
42 859 1697 -10.479167 -77.902083 174.0000
43 860 1697 -10.479167 -77.900000 182.0000
44 857 1698 -10.481250 -77.906250 152.0000
45 856 1700 -10.485417 -77.908333 133.0000
46 855 1700 -10.485417 -77.910417 127.0000
47 855 1700 -10.485417 -77.910417 127.0000
48 854 1701 -10.487500 -77.912500 126.0000
49 852 1703 -10.491667 -77.916667 105.0000
227
50 853 1703 -10.491667 -77.914583 119.0000
51 851 1704 -10.493750 -77.918750 97.0000
52 848 1706 -10.497917 -77.925000 111.0000
53 850 1706 -10.497917 -77.920833 113.0000
54 847 1707 -10.500000 -77.927083 133.0000
55 847 1707 -10.500000 -77.927083 133.0000
56 845 1709 -10.504167 -77.931250 44.0000
57 846 1709 -10.504167 -77.929167 66.0000
58 844 1710 -10.506250 -77.933333 35.0000
59 843 1712 -10.510417 -77.935417 21.0000

; Number of ROIs: 1
;
; ROI name: EVF: Layer: Perfil D’E Cerro_Lupín_NDVI.shp
; ROI rgb value: {255, 255, 255}
; ROI npts: 59
; ID X Y Lat Lon B1
1 890 1640 -10.402743 -77.815222 0.0608
2 889 1641 -10.404852 -77.817332 0.0609
3 888 1642 -10.406961 -77.819441 0.0800
4 888 1642 -10.406961 -77.819441 0.0800
5 887 1643 -10.409071 -77.821550 0.0803
6 885 1644 -10.411180 -77.825769 0.0889
7 884 1645 -10.413289 -77.827878 0.0844
8 883 1646 -10.415399 -77.829988 0.1059
9 882 1647 -10.417508 -77.832097 0.0929
10 881 1648 -10.419617 -77.834206 0.0871
11 880 1649 -10.421727 -77.836316 0.0891
12 879 1650 -10.423836 -77.838425 0.0962
13 879 1650 -10.423836 -77.838425 0.0962
14 878 1651 -10.425945 -77.840534 0.1087
228
15 876 1652 -10.428055 -77.844753 0.1379
16 875 1653 -10.430164 -77.846862 0.1403
17 874 1654 -10.432273 -77.848971 0.1477
18 873 1655 -10.434382 -77.851081 0.1363
19 872 1656 -10.436492 -77.853190 0.2701
20 871 1657 -10.438601 -77.855299 0.3584
21 871 1657 -10.438601 -77.855299 0.3584
22 870 1658 -10.440710 -77.857409 0.4356
23 869 1659 -10.442820 -77.859518 0.4010
24 867 1660 -10.444929 -77.863737 0.4064
25 866 1661 -10.447038 -77.865846 0.7333
26 865 1662 -10.449148 -77.867955 0.5341
27 864 1663 -10.451257 -77.870065 0.7827
28 863 1664 -10.453366 -77.872174 0.7827
29 862 1665 -10.455476 -77.874283 0.5992
30 862 1665 -10.455476 -77.874283 0.5992
31 861 1666 -10.457585 -77.876392 0.7317
32 860 1667 -10.459694 -77.878502 0.7159
33 858 1668 -10.461803 -77.882720 0.6486
34 857 1669 -10.463913 -77.884830 0.6046
35 856 1670 -10.466022 -77.886939 0.2569
36 855 1671 -10.468131 -77.889048 0.1365
37 854 1672 -10.470241 -77.891158 0.1787
38 854 1672 -10.470241 -77.891158 0.1787
39 853 1673 -10.472350 -77.893267 0.1391
40 852 1674 -10.474459 -77.895376 0.1200
41 851 1675 -10.476569 -77.897486 0.1201
42 850 1676 -10.478678 -77.899595 0.1021
43 848 1677 -10.480787 -77.903814 0.0966
44 847 1678 -10.482897 -77.905923 0.0931
45 846 1679 -10.485006 -77.908032 0.0982
46 845 1680 -10.487115 -77.910141 0.0984
47 845 1680 -10.487115 -77.910141 0.0984
48 844 1681 -10.489225 -77.912251 0.0958
229
49 843 1682 -10.491334 -77.914360 0.0972
50 842 1683 -10.493443 -77.916469 0.1245
51 841 1684 -10.495552 -77.918579 0.1113
52 839 1685 -10.497662 -77.922797 0.1077
53 838 1686 -10.499771 -77.924907 0.0882
54 837 1687 -10.501880 -77.927016 0.0913
55 837 1687 -10.501880 -77.927016 0.0913
56 836 1688 -10.503990 -77.929125 0.0982
57 835 1689 -10.506099 -77.931235 0.1250
58 834 1690 -10.508208 -77.933344 0.1416
59 833 1691 -10.510318 -77.935453 0.1116

; Number of ROIs: 1
;
; ROI name: EVF: Layer: Perfil E’F NDVI Loma_Lachay.shp
; ROI rgb value: {255, 255, 255}
; ROI npts: 58
; ID X Y Lat Lon B1
1 1249 2296 -11.786450 -77.057980 0.5610
2 1249 2296 -11.786450 -77.057980 0.5610
3 1249 2296 -11.786450 -77.057980 0.5610
4 1247 2297 -11.788559 -77.062199 0.4603
5 1247 2297 -11.788559 -77.062199 0.4603
6 1245 2298 -11.790669 -77.066417 0.6210
7 1245 2298 -11.790669 -77.066417 0.6210
8 1243 2299 -11.792778 -77.070636 0.6504
9 1243 2299 -11.792778 -77.070636 0.6504
10 1241 2300 -11.794887 -77.074855 0.6358
11 1241 2300 -11.794887 -77.074855 0.6358
12 1239 2301 -11.796997 -77.079073 0.8154
13 1239 2301 -11.796997 -77.079073 0.8154
230
14 1237 2302 -11.799106 -77.083292 0.8093
15 1237 2302 -11.799106 -77.083292 0.8093
16 1235 2303 -11.801215 -77.087511 0.7287
17 1235 2303 -11.801215 -77.087511 0.7287
18 1233 2304 -11.803325 -77.091729 0.7928
19 1233 2304 -11.803325 -77.091729 0.7928
20 1230 2305 -11.805434 -77.098057 0.7863
21 1230 2305 -11.805434 -77.098057 0.7863
22 1230 2305 -11.805434 -77.098057 0.7863
23 1228 2306 -11.807543 -77.102276 0.8943
24 1228 2306 -11.807543 -77.102276 0.8943
25 1226 2307 -11.809653 -77.106494 0.6387
26 1226 2307 -11.809653 -77.106494 0.6387
27 1224 2308 -11.811762 -77.110713 0.3070
28 1224 2308 -11.811762 -77.110713 0.3070
29 1222 2309 -11.813871 -77.114932 0.1881
30 1222 2309 -11.813871 -77.114932 0.1881
31 1220 2310 -11.815981 -77.119150 0.1801
32 1220 2310 -11.815981 -77.119150 0.1801
33 1218 2311 -11.818090 -77.123369 0.1692
34 1218 2311 -11.818090 -77.123369 0.1692
35 1216 2312 -11.820199 -77.127587 0.2596
36 1216 2312 -11.820199 -77.127587 0.2596
37 1214 2313 -11.822308 -77.131806 0.2811
38 1214 2313 -11.822308 -77.131806 0.2811
39 1214 2313 -11.822308 -77.131806 0.2811
40 1212 2314 -11.824418 -77.136025 0.2705
41 1212 2314 -11.824418 -77.136025 0.2705
42 1210 2315 -11.826527 -77.140243 0.3248
43 1210 2315 -11.826527 -77.140243 0.3248
44 1208 2316 -11.828636 -77.144462 0.3222
45 1208 2316 -11.828636 -77.144462 0.3222
46 1205 2317 -11.830746 -77.150790 0.3248
47 1205 2317 -11.830746 -77.150790 0.3248
231
48 1203 2318 -11.832855 -77.155008 0.2608
49 1203 2318 -11.832855 -77.155008 0.2608
50 1201 2319 -11.834964 -77.159227 0.2365
51 1201 2319 -11.834964 -77.159227 0.2365
52 1199 2320 -11.837074 -77.163446 0.2025
53 1199 2320 -11.837074 -77.163446 0.2025
54 1197 2321 -11.839183 -77.167664 0.1949
55 1197 2321 -11.839183 -77.167664 0.1949
56 1197 2321 -11.839183 -77.167664 0.1949
57 1195 2322 -11.841292 -77.171883 0.1925
58 1193 2323 -11.843402 -77.176102 0.0000

; Number of ROIs: 1
; ROI name: EVF: Layer: Perfil E´F Loma_Lachay_Altitud.shp

; ROI rgb value: {255, 255, 255}
; ROI npts: 58
; ID X Y Lat Lon B1
1 1264 2324 -11.785417 -77.058333 1225.0000
2 1264 2324 -11.785417 -77.058333 1225.0000
3 1264 2324 -11.785417 -77.058333 1225.0000
4 1262 2325 -11.787500 -77.062500 1013.0000
5 1262 2325 -11.787500 -77.062500 1013.0000
6 1260 2327 -11.791667 -77.066667 945.0000
7 1260 2327 -11.791667 -77.066667 945.0000
8 1258 2327 -11.791667 -77.070833 776.0000
9 1258 2327 -11.791667 -77.070833 776.0000
10 1256 2328 -11.793750 -77.075000 782.0000
11 1256 2328 -11.793750 -77.075000 782.0000
12 1254 2330 -11.797917 -77.079167 763.0000
13 1254 2330 -11.797917 -77.079167 763.0000
14 1252 2330 -11.797917 -77.083333 806.0000
232
15 1252 2330 -11.797917 -77.083333 806.0000
16 1250 2331 -11.800000 -77.087500 722.0000
17 1250 2331 -11.800000 -77.087500 722.0000
18 1247 2333 -11.804167 -77.093750 764.0000
19 1247 2333 -11.804167 -77.093750 764.0000
20 1245 2333 -11.804167 -77.097917 683.0000
21 1245 2333 -11.804167 -77.097917 683.0000
22 1245 2333 -11.804167 -77.097917 683.0000
23 1243 2334 -11.806250 -77.102083 603.0000
24 1243 2334 -11.806250 -77.102083 603.0000
25 1241 2336 -11.810417 -77.106250 405.0000
26 1239 2336 -11.810417 -77.110417 359.0000
27 1239 2336 -11.810417 -77.110417 359.0000
28 1241 2336 -11.810417 -77.106250 405.0000
29 1237 2337 -11.812500 -77.114583 265.0000
30 1237 2337 -11.812500 -77.114583 265.0000
31 1235 2339 -11.816667 -77.118750 215.0000
32 1233 2339 -11.816667 -77.122917 181.0000
33 1233 2339 -11.816667 -77.122917 181.0000
34 1235 2339 -11.816667 -77.118750 215.0000
35 1231 2340 -11.818750 -77.127083 172.0000
36 1231 2340 -11.818750 -77.127083 172.0000
37 1228 2342 -11.822917 -77.133333 223.0000
38 1228 2342 -11.822917 -77.133333 223.0000
39 1228 2342 -11.822917 -77.133333 223.0000
40 1226 2342 -11.822917 -77.137500 261.0000
41 1226 2342 -11.822917 -77.137500 261.0000
42 1224 2343 -11.825000 -77.141667 338.0000
43 1224 2343 -11.825000 -77.141667 338.0000
44 1222 2345 -11.829167 -77.145833 258.0000
45 1222 2345 -11.829167 -77.145833 258.0000
46 1220 2345 -11.829167 -77.150000 255.0000
47 1220 2345 -11.829167 -77.150000 255.0000
48 1218 2346 -11.831250 -77.154167 250.0000
233
49 1218 2346 -11.831250 -77.154167 250.0000
50 1216 2348 -11.835417 -77.158333 178.0000
51 1216 2348 -11.835417 -77.158333 178.0000
52 1214 2348 -11.835417 -77.162500 175.0000
53 1214 2348 -11.835417 -77.162500 175.0000
54 1212 2349 -11.837500 -77.166667 126.0000
55 1212 2349 -11.837500 -77.166667 126.0000
56 1212 2349 -11.837500 -77.166667 126.0000
57 1207 2351 -11.841667 -77.177083 64.0000
58 1210 2351 -11.841667 -77.170833 11.0000

; Number of ROIs: 1
;
; ROI name: EVF: Layer: Perfil MN Altitud Loma de Amará.shp
; ROI rgb value: {255, 255, 255}
; ROI npts: 41
; ID X Y Lat Lon B1
1 1905 3704 -14.660417 -75.722917 509.0000
2 1906 3704 -14.660417 -75.720833 525.0000
3 1904 3705 -14.662500 -75.725000 520.0000
4 1904 3707 -14.666667 -75.725000 541.0000
5 1903 3707 -14.666667 -75.727083 544.0000
6 1902 3708 -14.668750 -75.729167 566.0000
7 1900 3710 -14.672917 -75.733333 793.0000
8 1901 3710 -14.672917 -75.731250 761.0000
9 1899 3711 -14.675000 -75.735417 863.0000
10 1898 3713 -14.679167 -75.737500 832.0000
11 1898 3713 -14.679167 -75.737500 832.0000
12 1897 3714 -14.681250 -75.739583 845.0000
234
13 1895 3716 -14.685417 -75.743750 821.0000
14 1896 3716 -14.685417 -75.741667 844.0000
15 1894 3717 -14.687500 -75.745833 794.0000
16 1893 3719 -14.691667 -75.747917 749.0000
17 1892 3719 -14.691667 -75.750000 750.0000
18 1892 3720 -14.693750 -75.750000 726.0000
19 1890 3722 -14.697917 -75.754167 684.0000
20 1891 3722 -14.697917 -75.752083 684.0000
21 1889 3723 -14.700000 -75.756250 624.0000
22 1887 3725 -14.704167 -75.760417 616.0000
23 1888 3725 -14.704167 -75.758333 602.0000
24 1886 3726 -14.706250 -75.762500 637.0000
25 1886 3728 -14.710417 -75.762500 713.0000
26 1885 3728 -14.710417 -75.764583 719.0000
27 1884 3729 -14.712500 -75.766667 646.0000
28 1882 3731 -14.716667 -75.770833 577.0000
29 1883 3731 -14.716667 -75.768750 594.0000
30 1881 3732 -14.718750 -75.772917 521.0000
31 1880 3734 -14.722917 -75.775000 492.0000
32 1880 3734 -14.722917 -75.775000 492.0000
33 1879 3735 -14.725000 -75.777083 430.0000
34 1877 3737 -14.729167 -75.781250 342.0000
35 1878 3737 -14.729167 -75.779167 370.0000
36 1876 3738 -14.731250 -75.783333 324.0000
37 1875 3740 -14.735417 -75.785417 97.0000
38 1874 3740 -14.735417 -75.787500 78.0000
39 1874 3741 -14.737500 -75.787500 64.0000
40 1872 3743 -14.741667 -75.791667 7.0000
41 1873 3743 -14.741667 -75.789583 28.0000

; Number of ROIs: 1
; ROI name: EVF: Perfil MN NDVI Loma de Amará.shp
235
; ROI rgb value: {255, 255, 255}
; ROI npts: 41
; ID X Y Lat Lon B1
1 1883 3658 -14.659330 -75.720678 0.0735
2 1882 3659 -14.661440 -75.722787 0.0718
3 1881 3660 -14.663549 -75.724896 0.0535
4 1881 3661 -14.665658 -75.724896 0.0492
5 1880 3662 -14.667768 -75.727006 0.0523
6 1879 3663 -14.669877 -75.729115 0.0606
7 1878 3664 -14.671986 -75.731224 0.0789
8 1877 3665 -14.674096 -75.733334 0.1580
9 1876 3666 -14.676205 -75.735443 0.2791
10 1875 3667 -14.678314 -75.737552 0.3317
11 1875 3668 -14.680423 -75.737552 0.2687
12 1874 3669 -14.682533 -75.739661 0.2776
13 1873 3670 -14.684642 -75.741771 0.3456
14 1872 3671 -14.686751 -75.743880 0.3695
15 1871 3672 -14.688861 -75.745989 0.3710
16 1870 3673 -14.690970 -75.748099 0.4143
17 1870 3674 -14.693079 -75.748099 0.4143
18 1869 3675 -14.695189 -75.750208 0.3464
19 1868 3676 -14.697298 -75.752317 0.3734
20 1867 3677 -14.699407 -75.754427 0.4075
21 1866 3678 -14.701517 -75.756536 0.2896
22 1865 3679 -14.703626 -75.758645 0.2116
23 1864 3680 -14.705735 -75.760755 0.2155
24 1864 3681 -14.707845 -75.760755 0.2155
25 1863 3682 -14.709954 -75.762864 0.3981
26 1862 3683 -14.712063 -75.764973 0.3680
27 1861 3684 -14.714172 -75.767082 0.2486
28 1860 3685 -14.716282 -75.769192 0.1836
29 1859 3686 -14.718391 -75.771301 0.1767
30 1859 3687 -14.720500 -75.771301 0.1979
31 1858 3688 -14.722610 -75.773410 0.2115
236
32 1857 3689 -14.724719 -75.775520 0.2531
33 1856 3690 -14.726828 -75.777629 0.3016
34 1855 3691 -14.728938 -75.779738 0.2715
35 1854 3692 -14.731047 -75.781848 0.1621
36 1853 3693 -14.733156 -75.783957 0.1675
37 1853 3694 -14.735266 -75.783957 0.1522
38 1852 3695 -14.737375 -75.786066 0.1104
39 1851 3696 -14.739484 -75.788176 0.1043
40 1850 3697 -14.741593 -75.790285 0.1043
41 1849 3698 -14.743703 -75.792394 0.0000
237

León RT

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

León RT

Cargado por

Copyright:

Formatos disponibles

Universidad Nacional Mayor de San Marcos

Universidad del Perú. Decana de América

Dirección General de Estudios de Posgrado

La climatología de las Lomas de la Costa Central del

Para optar el Grado Académico de Magíster en Física con

Nombres y apellidos Tatiana Nadezdina León Rojas

Tipo de documento de identidad DNI

Número de documento de identidad 41905771

URL de ORCID https://orcid.org/0000-0003-3202-4704

Nombres y apellidos Leónidas Ocola Aquise

Tipo de documento de identidad DNI

Número de documento de identidad 08809608

URL de ORCID https://orcid.org/0000-0001-7312-7334

Datos del jurado

Presidente del jurado

Nombres y apellidos Douglas Donal Sarango Julca

Tipo de documento DNI

Número de documento de identidad 07136313

Miembro del jurado 1

Nombres y apellidos Octavio Fashé Raymundo

Tipo de documento DNI

Número de documento de identidad 10351868

Miembro del jurado 2

Nombres y apellidos Bram Leo Willems

Tipo de documento DNI

Número de documento de identidad 48373712

Miembro del jurado 3

Nombres y apellidos Leónidas Ocola Aquise

Número de documento de identidad 08809608

A.2.3.3. Teledetección por satélite aplicado al

Física de cambios ambientales y la

Perú. Consejo Nacional de la Ciencia,

Edificio: Laboratorio de Teledetección –

Año o rango de años en que se

ACTA DE SUSTENTACIÓN DE TESIS EN LA MODALIDAD VIRTUAL PARA OPTAR

Dr. Douglas Donal Sarango Julca (Presidente)

Para la sustentación oral y pública de la tesis, para optar el Grado Académico de

Después de darse lectura al expediente de Grado, en el que consta haberse cumplido

17 DIECISIETE MUY BUENO

(NÚMERO) (LETRAS) (ESCALA)

A continuación, el Presidente del Jurado Examinador entrega el Acta de Sustentación

Los miembros del Jurado Examinador suscriben el Acta de sustentación de tesis en la

Acta de Sustentación de Tesis de la Bachiller Tatiana Nadezdina León Rojas.

Dr. Douglas Donal Sarango Julca Mg. Octavio Fashé Raymundo

Dr. Bram Leo Willems Dr. Leónidas Ocola Aquise

Datos de la plataforma virtual institucional del acto de sustentación:

Grabación archivada en:

CALIFICACIÓN OBTENIDA: diecisiete (17) “Muy Bueno”

La presente tesis es el resultado de mi aspiración para optar el grado

CAPÍTULO 2: MARCO TEÓRICO……………………………………………….37

2.1.3.2 La temperatura del punto de rocío………………………………... 41

2.1.3.3 Vapor de agua en el aire…………………………………………… 41

2.1.5.2 Océano frente a la costa peruana………………………………… 47

2.1.5.3 Inversión térmica……………………………………………………. 50

2.2.1. Definición de loma………………………………………………………...51

2.2.2. Ubicación de las lomas de la costa……………………………………..51

2.2.3. Importancia de las lomas………………………………………………...53

2.3. Índice de vegetación (IV)………………………………………………………56

2.3.1 Índice de vegetación de diferencia normalizada (NDVI)……………… 57

2.3.2. Producto índice de vegetación MODIS…………………………………..59

2.4. SRTM - Shuttle Radar Topography Mission…………………………………60

2.6 Métodos estadísticos……………………………………………………………62

2.6.2. Máximo valor compuesto del NDVI………………………………………62

CAPÍTULO 2: MARCO TEÓRICO……………………………………………….37